爬虫之普通图形验证码（百度OCR）

这里是DeepThinkerr的博客，希望该博客可以对您有帮助。后续会在爬虫系列的专栏分享更多的爬虫博客和小项目，希望可以和大家共同进步。此次博客的代码会分享到我的微信公众号：DeepThinkerr（注意两个r哦），回复1即可获取普通图形验证码（百度OCR）的代码（会有详细注释），此次博客也会在公众号分享。

前提准备
Python库

requests==2.24.0
base64

百度OCR

1、创建文本识别应用：https://ai.baidu.com/forum/topic/show/867951
（这里只用参考“获取接口权限”这一部分即可）
2、获取access_token https://cloud.baidu.com/doc/OCR/s/Ck3h7y2ia （后续会介绍）

---

1.1 获取验证码图片

验证码图片数据集：https://captcha.com/captcha-examples.html?cst=corg

该网站包含大量验证码图片，需要进行爬取，通过图片链接下载图片。首先分析该网页的html，定位到图片的html位置。

可以发现验证码图片在class="captcha_images_left"和class="captcha_images_right"两个部分，其中名字在h3，图片链接在img的src。爬取代码如下所示。

import requests
import os
import time
from lxml import etree
# 1. 获取网页
url = "https://captcha.com/captcha-examples.html?cst=corg"
headers = {
   "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"}
response = requests.get(url, headers)
if response