关于爬虫验证码识别的思路

越过验证码的本质问题都是想登陆网站

对于很多 baidu/google 上的相关博客,多是关于xx验证码怎么识别,xxx框架的验证码识别效率等等问题.在这里我特别想告诉读者关于这个问题的几种解决方案 通过这些解决方案的分析,我认为你应该找到了最适合自己的了.

思路提供

1、绕过验证码。跳过验证码直接访问需要的页面内容。
2、请求头中自带验证码。有些网站的验证码会在前台 js 校验。服务器生成的验证码会在请求头中。可以获取请求头，并把验证码解析出来。
3、session 不刷新。有的网站验证码验证成功后，直接获取请求资源。（忘记了刷新 cookie 对应的验证码）可以预先设定一个 cookie 和验证码。利用这个漏洞访问网站。 对于多线程无法控制以及有些网站验证码定期不访问失效问题。可以添加一个定时访问程序来 解决 。
4、利用第三方插件。
对于有些网站验证码比较简单。只含阿拉伯数字和英文字母。可以用第三 方的插件来识别。例如：tess4j、tesseract 。
对于有些网站验证码比较复杂.利用训练库,和利用第三方训练库帮助训练.然后使用.如,Tess4j,对于知识要求可能较高.
5、有些网站的验证码是从库中随机取出一个来的。对于这类静态的验证码。可以自己建立一个验证码静态库。自己建立好图片和验证码答案的链接。采用 map 的映射方法就可以进行识别。
6、调用第三方API,baiduAPI,腾讯API等使用(不是特别推荐)