[爬虫]验证码识别（4.1）

Posted 2021-05-01 兴华python笔记

    验证码识别成为了对抗反爬虫的必修课之一，本专题将着重学习记录不同的验证码识别方式：图像验证码、极验滑动验证码、点触验证码、宫格验证码。

• 点触验证码识别

识别效果如下：

识别难点：

    如下图所示，该图为12306的点触验证码，识别难点有两个:

1、文字识别，即首先要识别出“盘子”二字，但往往该文字经过了一系列的变换，如果借助第一节提到的OCR技术，基本上无法识别。

2、将图片转化为相应的文字，难度可想而知。

另一种验证码如下：

（ 和上述验证码相比较而言，会简单一些，但是识别思路相同，我就着重记录一下第一种验证码的识别过程。）

识别思路：

    点触验证码难度较大，我们可以接触互联网上一些验证码服务平台，他们提供7×24小时的服务，并且识别准确率在90%以上。

    大致流程是将验证码图片按照字节流的形式传递给服务平台，平台几秒钟后将会返回一个带有坐标信息的字段，该坐标信息就是我们需要点击的位置。按照得到的坐标信息进行点击，便可以完成识别。

    验证码服务平台往往提供了多种类型的验证码识别，例如“超级鹰”网址：https://www.chaojiying.com/，其提供了数字、中英文、特殊字符、数学计算和坐标选择识别等多种验证码类型的识别。点触验证码识别就是坐标选择识别的一种。下面将利用该平台进行识别。

---

• 获取超级鹰python API

    代码如图，其定义了一个Chaojiying_Client的类，内有三个参数，分别是超级鹰的用户名、密码、软件ID。内含两个函数 PostPic()、ReportError()。

    ※ PostPic()需要传入图片对象和验证码的代号（验证码类型）。该方法会将图片对象发送给给超级鹰的后台进行识别，然后返回一个JSON。

    ※ ReportError()发生错误时的回调。

验证过程如下：

• 导入所需要的包、设置12306和超级鹰的账号密码

• 初始化一些参数、进入12306的网站并输入账号密码登录

• 获取验证码图片

该操作在按照所需大小截取图片是经常用到。

• 解析识别结果

平台返回的JSON信息格式如下：

{

'err_no': 0, 

'err_str': 'OK', 

'pic_id': '8056217061965800013', 

'pic_str': '29,72|257,71',

'md5': '8de76ac4036ebab2b1e05375c1bf84b8'

}

该方法即是将'pic_str'中的坐标信息格式化：

[29, 72]

[257, 71]

• 点击验证图片

其中move_to_element_with_offset操作的参数及解释：

• 点击登录

• 操作流程

    首先打开12306网站，并刷新验证码(button)，然后将验证码图片对象按照字节流的格式传递给超级鹰平台，并将返回的locations信息传递给touch_click_words()函数，最后完成验证码识别。

• 执行
  

---

• 最终效果

• 关键字总结

• 获取图片位置、截取图片

• 调用超级鹰API

• ActionChains

• 字节流处理