python爬虫如何解决图片验证码
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：
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
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
defget_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
withopen(path,'rb')asf:
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}
returncode['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。
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'
withopen(filename,'wb')asf:
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
withopen(filename,'rb')asf:
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
#-*coding:utf-8*-
importtime
importrandom
fromPILimportImage
fromaipimportAipOcr
fromselenium.webdriverimportChrome
#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
defscrapy(username,password):
"""
:paramusername:用户名
:parampassword: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
withopen(filename,'rb')asf:
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:
returndata['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
#-*coding:utf-8*-
importos
importrandom
importre
importrequests
fromPILimportImage
fromaipimportAipOcr
fromscrapyimportSelector
headers={
'referer':'https://so.gushiwen.cn/user/login.aspx',
'user-agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/88.0.4324.146Safari/537.36'
}
#百度API参数
APP_ID='23647800'
API_KEY='n95KOQgVuOMoAP72qZZo7uoN'
SECRET_KEY='7yhyGglHUsY52DD8kf4w0Qjnxum07hMK'
defscrapy(username,password):
"""
:paramusername:用户名
:parampassword: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
withopen(filename,'wb')asf:
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
withopen(filename,'rb')asf:
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:
returndata['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]ifre.findall("alert\('(.*?)'\);",html)else''
ifnotlogin_flag:
return'登录成功！'
elif'验证码有误！'inlogin_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毛票票其它相关文章！