图片伪装反爬虫

图片伪装反爬虫

目标网站：广西人才网
目标地址：https://www.gxrc.com/jobDetail/c4329efab8424b5d871df247f299543a
爬取要求：爬取联系方式

1.分析网页

发现爬取的联系方式是一张图片，怎么办呢？

2.解决思路

• 2.1 首先拿到图片URL
• 2.2 请求该URL，.content，得到二进制的文本流内容
• 2.3 使用io.BytesIO操作处理二进制数据，即io.BytesIO(字节流内容)
• 2.4 用Image.open打开图片字节流 得到图片对象
• 2.5 使用光学字符识别tesseract识别图片中的字符串

3.代码如下

# -*- coding: UTF-8 -*-
"""
@author:林健
@file:Image_guise.py
@time:2020/11/14
"""
import re
from urllib.parse import urljoin
import pytesseract
import requests
from fake_useragent import UserAgent
from PIL import Image
import io

"""
目标网站：广西人才网
目标地址：https://www.gxrc.com/jobDetail/c4329efab8424b5d871df247f299543a
爬取要求：爬取联系方式
"""
ua = UserAgent()
url = 'https://www.gxrc.com/jobDetail/c4329efab8424b5d871df247f299543a'

headers = {
    'User-Agent': ua.random  # 设置随机UA
}
response = requests.get(url, headers=headers)
# print(response.text)
# 使用正则获取图片的src
img_src = re.search(r'联系电话：<label><img src="(.*?)" /></label>', response.text)
img_url = urljoin(url, img_src.group(1))  # 拼接路径
images = requests.get(img_url, headers=headers)  # 对图片URL进行请求
# images.content: 获取图片的二进制字节流
# io.BytesIO(): 操作处理二进制数据
# Image.open(): 打开图片字节流，得到一个图片对象
images_c = Image.open(io.BytesIO(images.content))
# 配合光学字符识别tesseract识别出图片中的字符串
phone = pytesseract.image_to_string(images_c)
print(f'联系方式: {phone}')

---

新手上路，代码写的不好，谅解下，如果有理解错误的或者不太明白的地方，欢迎在评论区留言，我们共同进步。

以上就是 图片伪装反爬虫 的所有内容了，点赞收藏加评论是最大的支持哦！

📑编写不易，转载请注明出处，如有侵权，请联系我！