本文目录

• 🚁前言
• 🚁测试
• • 🚁对比Pytesseract
• 🚁使用ddddocr
• • 🚁简介
• 🚁实战
• • 🚁成果

🚁前言

在爬虫过程中，大多我们都会碰到验证码识别，它是常用的一种反爬手段，包括：滑块验证码，图片验证码，算术验证码，点击验证码，所讲的图片验证码是较简单的，因为有大佬，给我们造好了轮子，我们直接套用就行！

🚁测试

🚁对比Pytesseract

这是题外的，为什么要做对比呢，有对比才能知道他的优缺点。

• 安装pytesseract

pip install pytesseract

• 准备
  

def get_captcha():

    image = Image.open('VerifyCode.png')
    image = image.convert('L')  # 灰度处理

    threshold = 220 # 阈值,二值化处理
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    image = image.point(table, '1')
    image.show()
    ans = pytesseract.image_to_string(image)
    print(ans)

get_captcha()

• 结果
  这是处理过的图片
  
  
  发现差别还是有点大的，要是没有训练模型，生产使用确实不太行！

🚁使用ddddocr

🚁简介

硬性要求

python >= 3.8

安装

pip install ddddocr

GitHub
文档地址

测试，还是刚刚那种图。

import ddddocr

def recognize():
    ocr = ddddocr.DdddOcr()
    with open('code_img/VerifyCode.png', 'rb') as f:
        img_bytes = f.read()
    res = ocr.classification(img_bytes)
    print(res)

recognize()

结果，一眼可见，没有对比就没有伤害

短短5行代码，就饶过了图片验证，是不是觉得很爽！

🚁实战

利用Amazon的机器人验证，帮助我们绕过反爬，获取我们所要的数据

from selenium import webdriver
from selenium.webdriver import ChromeOptions
from io import BytesIO
import time
from ocr_code import recognize
from PIL import Image

options = ChromeOptions()
options.add_experimental_option('excludeSwitches', ['enable-automation'])
options.add_argument("disable-blink-features=AutomationControlled")
options.add_argument(
    'User-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36')

url = 'https://www.amazon.com/errors/validateCaptcha'
browser = webdriver.Chrome('chromedriver.exe', options=options)

def getCookie():
    browser.set_window_size(1920, 1080)
    browser.get(url)
    time.sleep(1)

    '''
    /处理验证码
    '''
    # 要截图的元素
     try:
         element = browser.find_element_by_xpath('//div[@class="a-row a-text-center"]')
         # 坐标
         x, y = element.location.values()
         # 宽高
         h, w = element.size.values()
         # 把截图以二进制形式的数据返回
         image_data = browser.get_screenshot_as_png()
         # 以新图片打开返回的数据
         screenshot = Image.open(BytesIO(image_data))
         # 对截图进行裁剪
         result = screenshot.crop((x, y, x + w, y + h))
         # 显示图片
         # result.show()
         # 保存验证码图片
         result.save('VerifyCode.png')
         # 调用recognize方法识别验证码
         code = recognize('VerifyCode.png')
         print(code)
         # 输入验证码
         browser.find_element_by_name('field-keywords').send_keys(code)
         # 点击确认
         browser.find_element_by_class_name('a-button-text').click()
         time.sleep(1)
     except:
         break


if __name__ == '__main__':
    getCookie()

ocr_code.py

import ddddocr

def recognize(image):
    ocr = ddddocr.DdddOcr()
    with open(image, 'rb') as f:
        img_bytes = f.read()
    res = ocr.classification(img_bytes)
    return res

🚁成果

截取的验证码

打印

点关注不迷路，本文章若对你有帮助，烦请三连支持一下 ❤️❤️❤️
各位的支持和认可就是我最大的动力❤️❤️❤️