之前刚开始做爬虫的时候遇到过登录验证码问题，看过很多帖子都没有解决我的问题，发现大多数帖子都是治标不治本，于是想分享一下自己的解决方案。本次采用的网站是古诗文网，使用百度API，因为百度API免费！免费！免费！适合自己学习的时候使用。如果还没有使用过百度API识别验证码的朋友可以看一下我的这个帖子。
以下案例采用的时古诗文网：登录古诗文网，
1、selenium处理图片验证码
先定位到验证码图片，在获取验证码图片在页面中的位置，使用save_screenshot截取页面，再根据图片的位置去截取验证码，最后通过接口识别文字获取验证码，直接上代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
element = driver.find_element_by_id('imgCode') # 定位验证码图片# 获取验证码图片在网页中的位置left = int(element.location['x']) # 获取图片左上角坐标xtop = int(element.location['y']) # 获取图片左上角yright = int(element.location['x'] + element.size['width']) # 获取图片右下角xbottom = int(element.location['y'] + element.size['height']) # 获取图片右下角y# 通过Image处理图像path = current_dir + str(random.random()) + '.png' # 生成随机文件名driver.save_screenshot(path) # 截取当前窗口并保存图片im = Image.open(path) # 打开图片im = im.crop((left, top, right, bottom)) # 截图验证码im.save(path) # 保存验证码图片# 使用百度API识别验证码def get_code(): client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 百度API文档中提供的方法识别文字 # 由于我处理的验证码图片没有填多的线条，所以直接采用灰度是验证码数字更加清晰，具体的处理方式可根据验证码的实际情况而定 im = Image.open(path) # 转换为灰度图像 im = im.convert('L') im.save(path) # 读取图片，应为百度API中提供的方法参数只能是字节流 with open(path, 'rb')as f: image = f.read() # 使用API中提供的方法识别验证码并返回验证码 code = client.basicGeneral(image) print(code['words_result'][0]['words']) # {'words_result': [{'words': '4TBiD ', 'location': {'top': 1, 'left': 6, 'width': 43, 'height': 13}}], 'log_id': 1358288307112378368, 'words_result_num': 1} return code['words_result'][0]['words'] |
2、使用requests请求验证码
这里用到了会话机制，对于初学者来说可能不太了解，简单说一下会话机制的作用，会话就是用来保存你之前请求的cookie，让浏览器知道你之前就在这里，这样浏览器就不会认为你重新来到这里，从而刷新验证码，这样就可以带着我们获取的验证码去登录了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
conn = requests.Sessoin( # 创建会话resp = conn.get('https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx')selector = Selector(text=resp.text)img_url = 'https://so.gushiwen.cn/'+selector.xpath('.//img[@id="imgCode"]/@src').get() # 获取图片的路由img = conn.get(img_url) # 保持会话请求filename = str(random.random()) + '.png'with open(filename, 'wb')as f: f.write(img.content)# 为了后面的调用接口识别不报图片格式错误，进行一次图片转换im = Image.open(filename)im.save(filename)# 使用二进制方式读取图片with open(filename, 'rb')as f:image = f.read()data = client.handwriting(image) # diao'yong# 使用API中提供的方法识别验证码并返回验证码code = client.basicGeneral(image)code = code['words_result'][0]['words'] |
selenium源码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
|
# -* coding: utf-8 *-import timeimport randomfrom PIL import Imagefrom aip import AipOcrfrom selenium.webdriver import Chrome# 百度API参数APP_ID = '23647800'API_KEY = 'n95KOQgVuOMoAP72qZZo7uoN'SECRET_KEY = '7yhyGglHUsY52DD8kf4w0Qjnxum07hMK'client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 调用API接口def scrapy(username, password): """ :param username: 用户名 :param password: 密码 """ driver = Chrome() driver.get('https://so.gushiwen.cn/user/login.aspx') driver.find_element_by_id('email').send_keys(username) # 输入账号 driver.find_element_by_id('pwd').send_keys(password) # 输入密码 element = driver.find_element_by_id('imgCode') # 定位验证码图片 # 获取验证码图片在网页中的位置 left = int(element.location['x']) # 获取图片左上角坐标x top = int(element.location['y']) # 获取图片左上角y right = int(element.location['x'] + element.size['width']) # 获取图片右下角x bottom = int(element.location['y'] + element.size['height']) # 获取图片右下角y # 通过Image处理图像 filename = str(random.random()) + '.png' # 生成随机文件名 driver.save_screenshot(filename) # 截取当前窗口并保存图片 im = Image.open(filename) # 打开图片 im = im.crop((left, top, right, bottom)) # 截图验证码 im.save(filename) # 保存验证码图片 # 由于我处理的验证码图片没有填多的线条，所以直接采用灰度是验证码数字更加清晰，具体的处理方式可根据验证码的实际情况而定 im = Image.open(filename) # 转换为灰度图像 im = im.convert('L') im.save(filename) # 读取图片，应为百度API中提供的方法参数只能是字节流 with open(filename, 'rb')as f: image = f.read() # 使用API中提供的方法识别验证码并返回验证码 data = client.basicGeneral(image) try: code = data['words_result'][0]['words'] except: return data['error_msg'] driver.find_element_by_id('code').send_keys(code) # 输入验证码 driver.find_element_by_id('denglu').click() # 点击登录 time.sleep(1000) # 为了看清登录，等待1000秒if __name__ == '__main__': print(scrapy(username, password)) # 传入你在古诗文网注册的账号密码 |
requests源码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
|
# -* coding: utf-8 *-import osimport randomimport reimport requestsfrom PIL import Imagefrom aip import AipOcrfrom scrapy import Selectorheaders = { 'referer': 'https://so.gushiwen.cn/user/login.aspx', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.146 Safari/537.36'}# 百度API参数APP_ID = '23647800'API_KEY = 'n95KOQgVuOMoAP72qZZo7uoN'SECRET_KEY = '7yhyGglHUsY52DD8kf4w0Qjnxum07hMK'def scrapy(username, password): """ :param username: 用户名 :param password: 密码 """ client = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 调用API接口 conn = requests.Session() # 创建会话 resp = conn.get('https://so.gushiwen.cn/user/login.aspx', headers=headers) # 获取登录页面 selector = Selector(text=resp.text) __VIEWSTATE = selector.xpath('.//input[@id="__VIEWSTATE"]/@value').get() __VIEWSTATEGENERATOR = selector.xpath('.//input[@id="__VIEWSTATEGENERATOR"]/@value').get() img_url = 'https://so.gushiwen.cn/' + selector.xpath('.//img[@id="imgCode"]/@src').get() # 获取图片的路由 img = conn.get(img_url, headers=headers) # 获取图片路由 # 保存图片 filename = str(random.random()) + '.png' # 随机生成文件名， 图片格式不能为jpg，API不支持jpg格式的识别 with open(filename, 'wb')as f: f.write(img.content) # 由于我处理的验证码图片没有填多的线条，所以直接采用灰度是验证码数字更加清晰，具体的处理方式可根据验证码的实际情况而定 im = Image.open(filename) # 转换为灰度图像 im = im.convert('L') im.save(filename) # 使用二进制方式读取图片 with open(filename, 'rb')as f: image = f.read() # # 标准识别, 每天免费50000次 # data = client.basicGeneral(image) # 精确识别，每天免费500次 data = client.handwriting(image) # 捕获一下接口识别当中的错误，可参照文档查看报错原因 try: code = data['words_result'][0]['words'] except: return data['error_msg'] form_data = { '__VIEWSTATE': __VIEWSTATE, '__VIEWSTATEGENERATOR': __VIEWSTATEGENERATOR, 'from': '', 'email': username, 'pwd': password, 'code':cod, 'denglu': '登录' } # 登录 html = conn.post('https://so.gushiwen.cn/user/login.aspx', headers=headers, data=form_data).text # 获取登录标志位 login_flag = re.findall("alert\('(.*?)'\);",html)[0] if re.findall("alert\('(.*?)'\);",html) else '' if not login_flag: return '登录成功！' elif '验证码有误！' in login_flag: return "验证码错误"if __name__ == '__main__': print(scrapy(username, password)) |
以上就是python爬虫如何解决图片验证码的详细内容，更多关于python 解决图片验证码的资料请关注服务器之家其它相关文章！
原文链接：https://www.cnblogs.com/yanghui3306/p/14385826.html
