Python + Selenium（二十三）使用百度文字识别API识别验证码

最新推荐文章于 2024-06-30 17:53:02 发布

猫与测试

最新推荐文章于 2024-06-30 17:53:02 发布

阅读量765

点赞数 1

分类专栏： web 自动化

本文链接：https://blog.csdn.net/minzhung/article/details/102960235

版权

web 自动化专栏收录该内容

35 篇文章 47 订阅

订阅专栏

上一节我们讲到验证码，通过图像识别的方式可以识别简单的验证码，所以识别对我们的意义不是特别大。

不过我单独开这一节来讲，也算是扩充一些知识面，同时也可以练习一下关于 requests 的一些用法。对接口测试的理解也有很大的好处。

首先我们需要注册百度开发者平台，并且认证。看这里

注册好以后，创建应用并勾选文字识别服务（其实都可以勾起来玩一玩），文字识别服务分了几种，有完全免费的“通用文字识别”，每天有 5W 次的访问许可，但是识别准确性较低。

还有一种是“通用文字识别（高精度版）”识别率更高，每天有 500 次免费调用，超出收费。免费的也够用了。这里用高精度版来演示。

要使用这类的开放 API 一定要阅读相关的接口调用文档和示例代码（如果你没有兴趣阅读，可以直接使用我贴出的代码，不过我建议你依然应该好好阅读一下）。好在 Python 是很流行的语言，所以基本上都有关于 Python 的调用示例。不过很多时候用的都是 urllib 系列的库而非 requests。

通用文字识别过程：

使用创建应用分配的 APP_ID、SECRET_KEY 获取 access_token
打开本地图片或者提供网络图片的地址
如果是本地图片，需要对图片的二进制数据进行 base64 编码
对 base64 编码后的数据，需要进行 urlencode 编码，编码格式为{'image': base64数据}
访问 API 地址，以 url 参数形式传递 access_token，以消息体的方式传递编码后的图片数据
获取识别后的图片文字

我使用 requests 对其调用示例代码改造了一下：

import requests
from urllib.parse import urlencode
import base64


APP_ID = ''  # 填写你的appid
SECRET_KEY = ''  # 填写你的密钥

TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'

OCR_URL = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic'

ACCURATE_URL = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic'

def fetch_token():
    '''
    获取 API 调用需要的 access_token
    :params:
    :return: 返回 access_token 字符串
    '''
    data = {
        'grant_type': 'client_credentials',
        'client_id': APP_ID,
        'client_secret': SECRET_KEY
    }
    r = requests.post(TOKEN_URL, data=data)
    if 'access_token' in r.json():
        return r.json().get('access_token')
    else:
        print('请检查获取access_token的URL, APP_ID, SECRET_KEY!')

def ocr_b64(b64):
    '''
    传入base64编码格式的图片数据，识别图片中的文字
    :params: base64编码格式的图片数据
    :return: 返回识别后的文字字符串
    '''
    access_token = fetch_token() # 获取 token
    if access_token:
        payload = {'access_token': access_token}    # token通过url参数传递
        data = urlencode({'image': b64})  # 对传入的base64编码格式的图片数据进行urlencode编码
        r = requests.post(ACCURATE_URL, data=data, params=payload)
        r.encoding = 'utf-8'
        if 'words_result' in r.json():
            return r.json().get('words_result')[0].get('words') # 这里可以直接返回 r.json() 在后续代码取值
        else: 
            print('图片识别失败，请根据返回编码检查错误，https://ai.baidu.com/docs#/OCR-API-ErrorCode/top')
            print(r.text)

def ocr_file(image):
    '''
    传入图片路径，识别图片中的文字
    :params: 图片路径
    :return: 返回识别后的文字字符串
    '''
    with open(image, 'rb') as f:
        data = base64.b64encode(f.read())
    return ocr_b64(data)

if __name__ == "__main__":
    print(ocr_file('./2886.png'))

上面代码实现了两个函数：

fetch_token() 用于获取调用 API 需要的 access_token，该 token 需要在调用时通过参数传递。
ocr_b64(b64) 中传入 base64 编码格式的数据，并通过 requests 库将编码后的 base64 数据传递给文字识别 API，并从获取到的返回结果中提取识别后的字符串。
ocr_file(image) 中传入图片，并通过 requests 库将图片传递给文字识别 API，并从获取到的返回结果中提取识别后的字符串。

你只需要修改上面代码中的常量APP_ID和SECRET_KEY，这些都是从百度开发者平台中创建应用后可以得到。

好，接下来我们以 showdoc 系统为例，演示如何通过识别验证码实现登录。你可以选择 showdoc 的在线版来练习。

需要以下步骤完成验证码识别并登录：

打开 showdoc 登录页面
获取验证码图片，这里直接获取该元素截图的 base64 编码
调用 ocr_b64() 函数识别验证码
输入登录账号、密码及验证码
点击登录
如果验证码错误，则循环这个过程（验证码识别错误，就刷新页面重来）直到登录成功为止

from selenium import webdriver
import time
driver = webdriver.Chrome()
driver.get('https://www.showdoc.cc/user/login')

while True:
    driver.find_element_by_css_selector('[placeholder="用户名/邮箱"]').send_keys('nemo')
    driver.find_element_by_css_selector('[placeholder="密码"]').send_keys('123456')
    v_code = ocr_b64(driver.find_element_by_class_name('v_code_img').screenshot_as_base64)  # => 识别验证码
    driver.find_element_by_css_selector('[placeholder="验证码"]').send_keys(v_code)
    driver.find_element_by_xpath('//button/*[text()="登录"]').click()
    time.sleep(0.5)
    try:
    	# 如果弹出框出现，则说明验证码错误 
        driver.find_element_by_css_selector(
            '.el-message-box .el-button--primary').click()
        # 刷新页面
        driver.refresh()
    except:
    	# 如果弹出框不出现，则说明验证码正确
        break
time.sleep(5)
driver.quit()