Python爬虫遇到验证码的处理方式有哪些

这篇文章主要介绍“Python爬虫遇到验证码的处理方式有哪些”,在日常操作中,相信很多人在Python爬虫遇到验证码的处理方式有哪些问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Python爬虫遇到验证码的处理方式有哪些”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

站在用户的角度思考问题,与客户深入沟通,找到峡江网站设计与峡江网站推广的解决方案,凭借多年的经验,让设计与互联网技术结合,创造个性化、用户体验好的作品,建站类型包括:网站设计制作、成都网站建设、企业官网、英文网站、手机端网站、网站推广、国际域名空间、网络空间、企业邮箱。业务覆盖峡江地区。

封装源码:

学会调用百度的aip接口:

  • 1. 首先需要注册一个账号:

  • https://login.bce.baidu.com/

注册完成之后登入

2. 创建项目

在这些技术里面找到文字识别,然后点击创建一下项目

Python爬虫遇到验证码的处理方式有哪些

创建完成之后:

Python爬虫遇到验证码的处理方式有哪些

图片中 AppID , API key, Secret Key 这些待会是需要用的。

下一步可以查看官网文档,或者直接使用我写的代码

3. 安装一下依赖库 pip install baidu-aip

这只是一个接口, 需要前面的一些设置。

def return_ocr_by_baidu(self, test_image):         """         ps: 先在__init__  函数中完成你自己的baidu_aip 的一些参数设置          这次测试使用 高精度版本测试                     如果速度很慢 可以换回一般版本                     self.client.basicGeneral(image, options)                     相关参考网址:                     https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa         :param test_image: 待测试的文件名称         :return:  返回这个验证码的识别效果 如果错误  可以多次调用         """         image = self.return_image_content(test_image=self.return_path(test_image))          # 调用通用文字识别(高精度版)         # self.client.basicAccurate(image)          # 如果有可选参数 相关参数可以在上面的网址里面找到         options = {}         options["detect_direction"] = "true"         options["probability"] = "true"          # 调用         result = self.client.basicAccurate(image, options)         result_s = result['words_result'][0]['words']         # 不打印关闭         print(result_s)         if result_s:             return result_s.strip()         else:             raise Exception("The result is None , try it !")

扩展百度的色情识别接口:

我们写代码肯定是要找点乐子的, 不可能这么枯燥无味吧?

色情识别接口在 内容审核中, 找一下就可以了。

调用方式源码:

# -*- coding :  utf-8 -*- # @Time      :  2020/10/22  17:30 # @author    :  沙漏在下雨 # @Software  :  PyCharm # @CSDN      :  https://me.csdn.net/qq_45906219  from aip import AipContentCensor from ocr import MyOrc   class Auditing(MyOrc):     """     这是一个调用百度内容审核的aip接口     主要用来审核一些色情 反恐 恶心 之类的东西     网址:  https://ai.baidu.com/ai-doc/ANTIPORN/tk3h7xgkn     """      def __init__(self):         # super().__init__()         APP_ID = '填写你的ID'         API_KEY = '填写你的KEY'         SECRET_KEY = '填写你的SECRET_KEY'          self.client = AipContentCensor(APP_ID, API_KEY, SECRET_KEY)      def return_path(self, test_image):         return super().return_path(test_image)      def return_image_content(self, test_image):         return super().return_image_content(test_image)      def return_Content_by_baidu_of_image(self, test_image, mode=0):         """         继承ocr中的一些方法, 因为都是放一起的 少些一点代码         内容审核: 关于图片中是否存在一些非法不良信息         内容审核还可以实现文本审核 我觉得有点鸡肋  就没一起封装进去         url: https://ai.baidu.com/ai-doc/ANTIPORN/Wk3h7xg56         :param test_image: 待测试的图片 可以本地文件 也可以网址         :param mode:  默认 = 0 表示 识别的本地文件   mode = 1 表示识别的图片网址连接         :return: 返回识别结果         """         if mode == 0:             filepath = self.return_image_content(self.return_path(test_image=test_image))         elif mode == 1:             filepath = test_image         else:             raise Exception("The mode is 0 or 1 but your mode is ", mode)         # 调用色情识别接口         result = self.client.imageCensorUserDefined(filepath)          # """ 如果图片是url调用如下 """         # result = self.client.imageCensorUserDefined('http://www.example.com/image.jpg')         print(result)         return result   a = Auditing() a.return_Content_by_baidu_of_image("test_image/2.jpg", mode=0)

学会muggle_ocr 识别接口:

这个包是最近火起来的, 使用起来很简单, 没多少其他函数

  • 安装 pip install muggle-ocr 这个下载有点慢 最好使用手机热点 目前镜像网站(清华/阿里) 还没有更新到这个包  因为这个包是最新的一个ocr模型 12

  • 调用接口

def return_ocr_by_muggle(self, test_image, mode=1):        """            调用这个函数使用 muggle_ocr 来进行识别            :param  test_image  待测试的文件名称 最好绝对路径            :param  模型 mode = 0  即 ModelType.OCR 表示识别普通印刷文本                  当 mode = 1 默认  即 ModelType.Captcha 表示识别4-6位简单英输验证码             官方网站: https://pypi.org/project/muggle-ocr/            :return: 返回这个验证码的识别结果 如果错误 可以多次调用        """        # 确定识别物品        if mode == 1:            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)        elif mode == 0:            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)        else:            raise Exception("The mode is 0 or 1 , but your mode  == ", mode)         filepath = self.return_path(test_image=test_image)         with open(filepath, 'rb') as fr:            captcha_bytes = fr.read()            result = sdk.predict(image_bytes=captcha_bytes)            # 不打印关闭            print(result)            return result.strip()

封装源码:

# -*- coding :  utf-8 -*- # @Time      :  2020/10/22  14:12 # @author    :  沙漏在下雨 # @Software  :  PyCharm # @CSDN      :  https://me.csdn.net/qq_45906219  import muggle_ocr import os from aip import AipOcr  """     PS: 这个作用主要是作了一个封装 把2个常用的图片/验证码识别方式合在一起 怎么用 取决于自己          接口1: muggle_ocr            pip install muggle-ocr 这个下载有点慢 最好使用手机热点           目前镜像网站(清华/阿里)  还没有更新到这个包 因为这个包是最新的一个ocr模型                接口2: baidu-aip           pip install baidu-aip           这个知道的人应该很多很多, 但是我觉得还是muggle 这个新包猛的一比           调用方式 可以参考官网文档: https://cloud.baidu.com/doc/OCR/index.html           或者使用我如下的方式  都是ok的     :param image_path  待识别的图片路径  如果目录很深 推荐使用绝对路径      """   class MyOrc:     def __init__(self):         # 设置一些必要信息 使用自己百度aip的内容         APP_ID = '你的ID'         API_KEY = '你的KEY'         SECRET_KEY = '你的SECRET_KEY'          self.client = AipOcr(APP_ID, API_KEY, SECRET_KEY)      def return_path(self, test_image):          """:return abs image_path"""         # 确定路径         if os.path.isabs(test_image):             filepath = test_image         else:             filepath = os.path.abspath(test_image)         return filepath      def return_image_content(self, test_image):         """:return the image content """         with open(test_image, 'rb') as fr:             return fr.read()      def return_ocr_by_baidu(self, test_image):         """         ps: 先在__init__  函数中完成你自己的baidu_aip 的一些参数设置          这次测试使用 高精度版本测试                     如果速度很慢 可以换回一般版本                     self.client.basicGeneral(image, options)                     相关参考网址:                     https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa         :param test_image: 待测试的文件名称         :return:  返回这个验证码的识别效果 如果错误  可以多次调用         """         image = self.return_image_content(test_image=self.return_path(test_image))          # 调用通用文字识别(高精度版)         # self.client.basicAccurate(image)          # 如果有可选参数 相关参数可以在上面的网址里面找到         options = {}         options["detect_direction"] = "true"         options["probability"] = "true"          # 调用         result = self.client.basicAccurate(image, options)         result_s = result['words_result'][0]['words']         # 不打印关闭         print(result_s)         if result_s:             return result_s.strip()         else:             raise Exception("The result is None , try it !")      def return_ocr_by_muggle(self, test_image, mode=1):         """             调用这个函数使用 muggle_ocr 来进行识别             :param  test_image  待测试的文件名称 最好绝对路径             :param  模型 mode = 0  即 ModelType.OCR 表示识别普通印刷文本                   当 mode = 1 默认  即 ModelType.Captcha 表示识别4-6位简单英输验证码              官方网站: https://pypi.org/project/muggle-ocr/             :return: 返回这个验证码的识别结果 如果错误 可以多次调用         """         # 确定识别物品         if mode == 1:             sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)         elif mode == 0:             sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)         else:             raise Exception("The mode is 0 or 1 , but your mode  == ", mode)          filepath = self.return_path(test_image=test_image)          with open(filepath, 'rb') as fr:             captcha_bytes = fr.read()             result = sdk.predict(image_bytes=captcha_bytes)             # 不打印关闭             print(result)             return result.strip()   # a = MyOrc()  # a.return_ocr_by_baidu(test_image='test_image/digit_img_1.png')

到此,关于“Python爬虫遇到验证码的处理方式有哪些”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!


网站题目:Python爬虫遇到验证码的处理方式有哪些
当前网址:http://scyanting.com/article/iisjis.html