本篇内容介绍了“Python爬虫遇到验证码怎么解决”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
创新新互联,凭借10多年的成都网站建设、成都网站制作经验,本着真心·诚心服务的企业理念服务于成都中小企业设计网站有上千案例。做网站建设,选创新互联。
一 前言
中国知网的注册页面使用的是这种验证码,页面如下:
二 准备工作
1 目标
以知网的验证码为例,利用OCR(Optical Character Recognition 光学字符识别)技术识别图形验证码。
2 安装tesseract
2.2 下载tesseract-ocr-setup-3.05.01.exe
2.3 安装注意事项
勾选Additional language data(download)选项,这样可以识别多国语言。
3 安装tesserocr
pip install tesserocr pillow
安装好的Tesseract-OCR后,从D:\Program Files (x86)\Tesseract-OCR目录下,将tessdata文件夹拷贝到下面目录
E:\WebSpider\venv\Scripts
4 获取验证码
将验证码图形 保存到本地,命名为code.jpg
三 实战
1 实战
1.1 代码
import tesserocr from PIL import Image image = Image.open('code.jpg') result = tesserocr.image_to_text(image) print(result) image = Image.open('code1.jpg') result = tesserocr.image_to_text(image) print(result) image = Image.open('code2.jpg') result = tesserocr.image_to_text(image) print(result)
1.2 效果
E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py DTKD JR42 PFRT
1.3 说明
code.jpg是DTKT
code1.jpg是JR42
code2.jpg是PFRT
将结果和实际图片进行比较,正确率还是比较高的。
2 实战2
2.1 代码
import tesserocr print(tesserocr.file_to_text('code.jpg')) print(tesserocr.file_to_text('code1.jpg')) print(tesserocr.file_to_text('code2.jpg'))
2.2 效果
E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py DTKD .ll?42 FFKT
2.3 说明
code.jpg是DTKT
code1.jpg是JR42
code2.jpg是PFRT
将结果和实际图片进行比较,正确率并不是很高。
3 实战3
3.1 代码
import tesserocr from PIL import Image image = Image.open('code2.jpg') image = image.convert('L') threshold = 127 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) image = image.point(table, '1') image.show() result = tesserocr.image_to_text(image) print(result)
3.2 效果
E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py PFRT
“Python爬虫遇到验证码怎么解决”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!
名称栏目:Python爬虫遇到验证码怎么解决
文章源于:https://www.cdcxhl.com/article30/jsceso.html
成都网站建设公司_创新互联,为您提供建站公司、服务器托管、网页设计公司、外贸建站、网站建设、企业网站制作
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联