网络爬虫python图片_小白都能轻松掌握，python最稳定的图片识别库ddddocr

本文内容

前言

在爬取过程中我们大多会碰到验证码识别，这是一种常用的反爬取手段，包括：滑块验证码、图片验证码、算法验证码、点击验证码。这里提到的图片验证码比较简单，因为有大佬们已经给我们造好轮子了，我们直接套用就可以了！

测试对比

题外话，为什么要比较呢？只有比较了才知道优缺点。

pip install pytesseract

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()

介绍

硬性要求

>= 3.8

安装

pip install ddddocr

文档地址

测试，还是和之前一样的图片。

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()

效果一目了然，没有对比就没有伤害。

只需5行代码，就能绕过图片验证，是不是很棒？

实战

利用机器人验证帮助我们绕过反爬虫并获取我们想要的数据

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()

.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

结果

拦截验证码

打印

点击关注别迷路，如果这篇文章对你有帮助的话，麻烦点三个赞支持一下❤️❤️❤️

你们的支持与认可就是我最大的动力❤️❤️❤️