[爬虫]验证码识别(4.1)
Posted 兴华python笔记
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[爬虫]验证码识别(4.1)相关的知识,希望对你有一定的参考价值。
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
以上是关于[爬虫]验证码识别(4.1)的主要内容,如果未能解决你的问题,请参考以下文章