反爬与反反爬（二）图片验证码

最新推荐文章于 2024-10-10 12:33:22 发布

王涛涛.

最新推荐文章于 2024-10-10 12:33:22 发布

阅读量882

点赞数

文章标签： python 反爬与反反爬图片验证码

本文链接：https://blog.csdn.net/WangTaoTao_/article/details/106365926

版权

8.图片验证码

1.什么是图片验证码

验证码（CAPTCHA）全自动区分计算机和认类的图灵测试，是一种区分用户是计算机还是人的全自动程序

1.1验证码的作用

防止恶意破解密码、剧票、论坛灌水、刷页。

1.2图片验证码在爬虫中的使用场景

注册
登录
频发发送请求时，服务器弹出验证码进行验证

1.3图片验证码的处理方案

手动输入这种方法仅限于登录一次就可持续使用的情况
图像识别引擎解析，使用光学识别引擎处理图片中的数据，目前常用与图片数据提取，较少勇于验证码处理
打码平台，爬虫常用的验证码解决方案

2.图片识别引擎

OCR是指使用扫描仪或数码相机对文本资料进行扫描成图像文件，然后对图像文件进行分析处理，自动识别获取文字信息或版面信息的软件。

2.1什么是tesseract

Tesseract，一款由HP实验室开发由Google维护的开源ORC引擎，特点是开源、免费、支持多语言多平台
项目地址：https://github.com/tesseract-ocr/tesseract

2.2图片识别引擎环境的安装

1.引擎的安装

mac环境下直接执行命令
```
brew insall --with-training-tools tesseract
```
windows环境下的安装可以通过exe安装包安装，下载地址可以从GitHub项目的wiki找到。安装完成后记得将Tesseract执行文件的目录加入到PATH中，方便后续调用。

linux环境下的安装
```
sudo apt-agt install tesseract-ocr
```

2.Python库的安装

# PIL用户打开图片文件
pip install pillow

# pytesseract模块勇于从图片中解需数据
pip install pytesseract

2.3图片识别引擎的使用

通过pytesseract模块的image_to_string方法就能打开图片文件中的数据提取字符串数据，具体方法如下：

from PIL import Image
import pytesseract

im = Image.open("test.jpg")
result = pytesseract.image_to_string(im)
print(result)

3.打码平台

3.1为什么需要了解打码平台的使用

现在很多网站都会使用验证码来进行反爬，所以能够为了更好的获取数据，需要了解如何使用打码平台爬虫中的验证码

3.2常见的打码平台

云打码 http://www.yundama.com/
极验验证码智能识别辅助 http://jiyandoc.c2567.com/

3.3云打码的使用

下面以云打码为例，了解打码平台如何使用

从平台的开发文档中下载示例文件

例如代码:

import http.client, mimetypes, urllib, json, time, requests

######################################################################

class YDMHttp:

    apiurl = 'http://api.yundama.com/api.php'
    username = ''
    password = ''
    appid = ''
    appkey = ''

    def __init__(self, username, password, appid, appkey):
        self.username = username  
        self.password = password
        self.appid = str(appid)
        self.appkey = appkey

    def request(self, fields, files=[]):
        response = self.post_url(self.apiurl, fields, files)
        response = json.loads(response)
        return response
    
    def balance(self):
        data = {'method': 'balance', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey}
        response = self.request(data)
        if (response):
            if (response['ret'] and response['ret'] < 0):
                return response['ret']
            else:
                return response['balance']
        else:
            return -9001
    
    def login(self):
        data = {'method': 'login', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey}
        response = self.request(data)
        if (response):
            if (response['ret'] and response['ret'] < 0):
                return response['ret']
            else:
                return response['uid']
        else:
            return -9001

    def upload(self, filename, codetype, timeout):
        data = {'method': 'upload', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey, 'codetype': str(codetype), 'timeout': str(timeout)}
        file = {'file': filename}
        response = self.request(data, file)
        if (response):
            if (response['ret'] and response['ret'] < 0):
                return response['ret']
            else:
                return response['cid']
        else:
            return -9001

    def result(self, cid):
        data = {'method': 'result', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey, 'cid': str(cid)}
        response = self.request(data)
        return response and response['text'] or ''

    def decode(self, filename, codetype, timeout):
        cid = self.upload(filename, codetype, timeout)
        if (cid > 0):
            for i in range(0, timeout):
                result = self.result(cid)
                if (result != ''):
                    return cid, result
                else:
                    time.sleep(1)
            return -3003, ''
        else:
            return cid, ''

    def report(self, cid):
        data = {'method': 'report', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey, 'cid': str(cid), 'flag': '0'}
        response = self.request(data)
        if (response):
            return response['ret']
        else:
            return -9001

    def post_url(self, url, fields, files=[]):
        for key in files:
            files[key] = open(files[key], 'rb');
        res = requests.post(url, files=files, data=fields)
        return res.text

######################################################################

# 用户名
username    = 'morganna'

# 密码
password    = '461324morganna'

# 软件ＩＤ，开发者分成必要参数。登录开发者后台【我的软件】获得！
appid       = 1                                     

# 软件密钥，开发者分成必要参数。登录开发者后台【我的软件】获得！
appkey      = '22cc5376925e9387a23cf797cb9ba745'    

# 图片文件
filename    = 'getimage.jpg'                        

# 验证码类型，# 例：1004表示4位字母数字，不同类型收费不同。请准确填写，否则影响识别率。在此查询所有类型 http://www.yundama.com/price.html
codetype    = 1004

# 超时时间，秒 
timeout     = 60                                    

# 检查
if (username == 'username'):
    print('请设置好相关参数再测试')
else:
    # 初始化
    yundama = YDMHttp(username, password, appid, appkey)

    # 登陆云打码
    uid = yundama.login()
    print('uid: %s' % uid)

    # 查询余额
    balance = yundama.balance()
    print('balance: %s' % balance)

    # 开始识别，图片路径，验证码类型ID，超时时间（秒），识别结果
    cid, result = yundama.decode(filename, codetype, timeout)
    print('cid: %s, result: %s' % (cid, result))

######################################################################