精通Python（实用脚本篇）——基于selenium和ddddocr库实现反反爬策略之验证码识别

最新推荐文章于 2024-06-14 15:22:57 发布
最新推荐文章于 2024-06-14 15:22:57 发布
阅读量2.3k 收藏 29
点赞数 28
文章标签： python selenium 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_67344578/article/details/138146597
版权
文章目录
  • 一、前言
  • 二、ddddocr库使用说明
    • 1. 介绍
    • 2. 算法步骤
    • 3. 安装
    • 4. 参数说明
    • 5. 纯数字验证码识别
    • 6. 纯英文验证码识别
    • 7. 英文数字验证码识别
    • 8. 带干扰的验证码识别
  • 三、验证码识别登录代码实战
    • 1. 输入账号密码
    • 2. 下载验证码
    • 3. 识别验证码并登录

一、前言

兄弟们使用selenium自动登录网站的时候，是不是经常遇到数字验证码，使用传统的OCR库识别效果又不是很好，今天介绍一款效果非常棒的验证码识别模块——ddddocr。

在这里插入图片描述

二、ddddocr库使用说明

1. 介绍

ddddocr（带带弟弟ocr）是一个用于文字识别的开源库。它是基于深度学习技术的，具有高度的准确性和鲁棒性。ddddocr使用了深度神经网络来处理各种类型的文本，包括印刷体和手写体等。其双解码机制使其在处理复杂文本时表现出色。

这个库的特点之一是其模型结构的密集性（Dense），这意味着它能够更好地捕捉文本中的细节和特征，从而提高了识别的准确性。此外，它还采用了双解码机制（Dual Decode），这意味着它可以同时从多个角度对图像进行解码，进一步提高了识别的鲁棒性和准确性。

Github地址：https://github.com/sml2h3/ddddocr

2. 算法步骤

ddddocr这个库的算法主要包括以下几个步骤：

  1. 图像预处理：

    • 图像预处理是任何OCR系统中的第一步。它旨在使图像更容易处理，并提高文本识别的准确性。预处理步骤可能包括灰度化、二值化、去噪声、图像增强等操作，以减少后续步骤中的噪声和干扰。

  2. 文本检测：

    • 文本检测是指识别图像中文本的位置和边界框。这一步通常使用深度学习技术，如卷积神经网络 (CNN) 或循环神经网络 (RNN) 来实现。检测到的文本通常用矩形边界框表示。

  3. 文本识别：

    • 文本识别是从检测到的文本区域中提取出实际的文本内容。这通常涉及到使用循环神经网络 (RNN)、注意力机制或转录网络等模型来识别文本。这些模型可以是基于字符的，也可以是基于单词或子词的。

  4. 后处理：

    • 后处理步骤旨在提高识别准确性并改善结果的质量。这可能包括语言模型的应用、纠正错误、识别字体或手写风格等。

  5. 输出结果：

    • 最终结果通常以文本形式呈现，或者以标记文本的边界框和对应的文本内容的形式提供。

ddddOCR库可能会结合这些步骤，利用深度学习模型和传统的计算机视觉技术来实现文本识别。在不同的应用场景下，可能会有一些额外的步骤或优化，比如针对特定的文档类型进行优化、处理不同语言的文本等。

3. 安装

硬性要求 Python >= 3.8，通过pip命令进行安装：

pip install ddddocr

4. 参数说明

我们这里使用的是ddddocr.DdddOcr()类：

class DdddOcr(object):
    def __init__(self, ocr: bool = True, det: bool = False, old: bool = False, beta: bool = False,
                 use_gpu: bool = False,
                 device_id: int = 0, show_ad=True, import_onnx_path: str = "", charsets_path: str = "")

这个__init__方法是一个Python类的构造函数，它定义了类的初始化过程，其中包含了一系列参数。让我来解释一下这些参数的含义：

  1. ocr: 这是一个布尔类型的参数，用于指定是否进行光学字符识别（OCR）。默认值为True，表示默认情况下会进行OCR。

  2. det: 这也是一个布尔类型的参数，用于指定是否进行文本检测（Text Detection）。默认值为False，表示默认情况下不会进行文本检测。

  3. old: 这是一个布尔类型的参数，用于指定是否使用旧版本的模型或方法。默认值为False，表示默认情况下不使用旧版本。

  4. beta: 这也是一个布尔类型的参数，用于指定是否使用测试版本（beta版本）的功能或方法。默认值为False，表示默认情况下不使用测试版本。

  5. use_gpu: 这是一个布尔类型的参数，用于指定是否使用GPU来进行计算。默认值为False，表示默认情况下不使用GPU，而使用CPU。

  6. device_id: 这是一个整数类型的参数，用于指定在使用GPU时要使用的GPU设备的ID。默认值为0，表示默认情况下使用ID为0的GPU设备。

  7. show_ad: 这是一个布尔类型的参数，用于指定是否显示广告。默认值为True，表示默认情况下会显示广告。

  8. import_onnx_path: 这是一个字符串类型的参数，用于指定导入ONNX模型的路径。默认值为空字符串，表示默认情况下不导入任何ONNX模型。

  9. charsets_path: 这是一个字符串类型的参数，用于指定字符集的路径。默认值为空字符串，表示默认情况下字符集的路径未指定。

这个类中有一个classification方法，需要传递一个图片对象进入就可以识别了：

    def classification(self, img, png_fix: bool = False):
        if self.det:
            raise TypeError("当前识别类型为目标检测")
        if not isinstance(img, (bytes, str, pathlib.PurePath, Image.Image)):
            raise TypeError("未知图片类型")
        if isinstance(img, bytes):
            image = Image.open(io.BytesIO(img))
        elif isinstance(img, Image.Image):
            image = img.copy()
        elif isinstance(img, str):
            image = base64_to_image(img)
        else:
            assert isinstance(img, pathlib.PurePath)
            image = Image.open(img)
        if not self.use_import_onnx:
            image = image.resize((int(image.size[0] * (64 / image.size[1])), 64), Image.ANTIALIAS).convert('L')
        else:
            if self.__resize[0] == -1:
                if self.__word:
                    image = image.resize((self.__resize[1], self.__resize[1]), Image.ANTIALIAS)
                else:
                    image = image.resize((int(image.size[0] * (self.__resize[1] / image.size[1])), self.__resize[1]),
                                         Image.ANTIALIAS)
            else:
                image = image.resize((self.__resize[0], self.__resize[1]), Image.ANTIALIAS)
            if self.__channel == 1:
                image = image.convert('L')
            else:
                if png_fix:
                    image = png_rgba_black_preprocess(image)
                else:
                    image = image.convert('RGB')
        image = np.array(image).astype(np.float32)
        image = np.expand_dims(image, axis=0) / 255.
        if not self.use_import_onnx:
            image = (image - 0.5) / 0.5
        else:
            if self.__channel == 1:
                image = (image - 0.456) / 0.224
            else:
                image = (image - np.array([0.485, 0.456, 0.406])) / np.array([0.229, 0.224, 0.225])
                image = image[0]
                image = image.transpose((2, 0, 1))

        ort_inputs = {'input1': np.array([image]).astype(np.float32)}
        ort_outs = self.__ort_session.run(None, ort_inputs)
        result = []

5. 纯数字验证码识别

测试代码：

import ddddocr
import time


start = time.time() # 开始时间

# 1. 创建DdddOcr对象
ocr = ddddocr.DdddOcr(show_ad=False)

# 2. 读取图片
with open('test.png', 'rb') as f:
    img = f.read()

# 3. 识别图片内验证码并返回字符串
result = ocr.classification(img)
print("识别结果：",result)

end = time.time()
print("耗时：%s 秒" % str(start-end))

运行结果：

识别结果： 0413
耗时：-0.12942123413085938 秒

6. 纯英文验证码识别

运行结果：

识别结果： bcsm
耗时：-0.11309981346130371 秒

7. 英文数字验证码识别

运行结果：

识别结果： a72c
耗时：-0.09667587280273438 秒

8. 带干扰的验证码识别

运行结果：

识别结果： i27kYk
耗时：-0.09169244766235352 秒

可以看到ddddocr库识别验证码还是特别给力的！！！

三、验证码识别登录代码实战

上一期我们讲了如何使用selenium输入账号信息登录网站，还不会的可以去复习一下：https://blog.csdn.net/yuan2019035055/article/details/136284263

测试网站：https://captcha7.scrape.center/

在这里插入图片描述

1. 输入账号密码

运行下面代码将会输入账号密码：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# 1. 创建链接
# 创建ChromeOptions对象，用于配置Chrome浏览器的选项
chrome_options = webdriver.ChromeOptions()
# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题
chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器
chrome_options.add_argument(
    'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')
driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹
with open('stealth.min.js') as f:
    js = f.read()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": js
})

# 4. 最大化浏览器窗口
driver.maximize_window()

# 5. 发送请求，打开网页
driver.get('https://captcha7.scrape.center/')
time.sleep(1)

# 6. 输入账号密码
username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框
username_input.send_keys("your_username")  # 输入账号信息（这里自行替换）

password_input  = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框
password_input .send_keys("your_username")  # 输入密码信息（这里自行替换）

time.sleep(100)

运行结果：

在这里插入图片描述

2. 下载验证码

1、先找到验证码图片的ID：

在这里插入图片描述
ID为：

captcha

2、定位验证码：

element = driver.find_element(By.ID, 'captcha') # 定位验证码

3、使用screenshot('test.png')方法保存截图在本地：

element.screenshot('test.png') # 保存截图

完整代码：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# 1. 创建链接
# 创建ChromeOptions对象，用于配置Chrome浏览器的选项
chrome_options = webdriver.ChromeOptions()
# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题
chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器
chrome_options.add_argument(
    'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')
driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹
with open('stealth.min.js') as f:
    js = f.read()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": js
})

# 4. 最大化浏览器窗口
driver.maximize_window()

# 5. 发送请求，打开网页
driver.get('https://captcha7.scrape.center/')
time.sleep(1)

# 6. 输入账号密码
username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框
username_input.send_keys("your_username")  # 输入账号信息（这里自行替换）

password_input  = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框
password_input .send_keys("your_username")  # 输入密码信息（这里自行替换）

# 7. 下载验证码
element = driver.find_element(By.ID, 'captcha') # 定位验证码
element.screenshot('test.png') # 保存截图

运行结束就会在当前路径下保存验证码图片：

在这里插入图片描述

注意：当网站的验证码图片没法定位下载的时候，可以使用Python定位屏幕指定位置截图的模块，如：pyautogui等等，进行截图下载验证码图片

3. 识别验证码并登录

接下来需要识别验证码内容，定位验证码文本框，输入验证码，点击登录，完整代码如下：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
import ddddocr

# 1. 创建链接
# 创建ChromeOptions对象，用于配置Chrome浏览器的选项
chrome_options = webdriver.ChromeOptions()
# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题
chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器
chrome_options.add_argument(
    'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')
driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹
with open('stealth.min.js') as f:
    js = f.read()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": js
})

# 4. 最大化浏览器窗口
driver.maximize_window()

# 5. 发送请求，打开网页
driver.get('https://captcha7.scrape.center/')
time.sleep(1)

# 6. 输入账号密码
username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框
username_input.send_keys("your_username")  # 输入账号信息（这里自行替换）

password_input  = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框
password_input .send_keys("your_username")  # 输入密码信息（这里自行替换）

# 7. 下载验证码
element = driver.find_element(By.ID, 'captcha') # 定位验证码
element.screenshot('test.png') # 保存截图

# 8. 识别验证码
# 创建DdddOcr对象
ocr = ddddocr.DdddOcr(show_ad=False)
# 读取图片
with open('test.png', 'rb') as f:
    img = f.read()
# 识别图片内验证码并返回字符串
result = ocr.classification(img)
print("识别结果：",result)

# 9. 输入验证码
yzm = driver.find_element(by=By.XPATH, value="//div[@class='captcha el-input']/input") # 定位账号框
yzm.clear()  # 清空默认文本
yzm.send_keys(result)

# 10. 点击登录按钮元素
login_button = driver.find_element(by=By.XPATH, value="//button[@class='el-button login el-button--primary']")
# 点击登录按钮
login_button.click()

time.sleep(100)

运行结果：

在这里插入图片描述

🤝 期待与你共同进步

🌱 亲爱的读者，非常感谢你每一次的停留和阅读！你的支持是我们前行的最大动力！🙏

🌐 在这茫茫网海中，有你的关注，我们深感荣幸。你的每一次点赞👍、收藏🌟、评论💬和关注💖，都像是明灯一样照亮我们前行的道路，给予我们无比的鼓舞和力量。🌟

📚 我们会继续努力，为你呈现更多精彩和有深度的内容。同时，我们非常欢迎你在评论区留下你的宝贵意见和建议，让我们共同进步，共同成长！💬

💪 无论你在编程的道路上遇到什么困难，都希望你能坚持下去，因为每一次的挫折都是通往成功的必经之路。我们期待与你一起书写编程的精彩篇章！ 🎉

🌈 最后，再次感谢你的厚爱与支持！愿你在编程的道路上越走越远，收获满满的成就和喜悦！

关于Python学习指南

如果你对Python感兴趣，想通过学习Python获取更高的薪资，那下面这套Python学习资料一定对你有用！

资料包括：Python安装包+激活码、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习等学习教程。0基础小白也能听懂、看懂，跟着教程走，带你从零基础系统性地学好Python！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
在这里插入图片描述
二、Python学习软件

工欲善其事，必先利其器。学习Python常用的开发软件都在这里了！
在这里插入图片描述
三、Python入门学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~在这里插入图片描述

四、Python练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！
在这里插入图片描述

五、Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。这份资料也包含在内的哈~在这里插入图片描述

六、Python面试资料

我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述
在这里插入图片描述
七、资料领取

上述完整版Python全套学习资料已经上传CSDN官方，需要的小伙伴可自行微信扫描下方CSDN官方认证二维码免费领取

黑客小雨
关注
  • 28
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pytorch利用ddddocr辅助识别点选验证码
码王吴彦祖的博客
09-13 1万+
本篇文章的主要目的是识别点选验证码，其中利用ddddocr来辅助识别，这样整体识别验证码的步骤将会非常简单，具体有多简单，请看步骤首先展示一下点选验证码的数据集**数据集介绍：**可以看到，该点选验证码识别是有一张图主背景图，提示需要依次点击哪些字，基本上大部分点选验证码都是这样，按照语序点击主背景图上的字，可能有些是直接以文本的形式告诉你，有些是给你一张图，这样的话识别起来更麻烦一些，因为还要识别语序图上的字。
python 识别图片验证码/滑块验证码准确率极高的 ddddorc 库
m0_73409141的博客
07-12 3356
验证码的种类有很多，它是常用的一种反爬手段，包括：图片验证码，滑块验证码，等一些常见的验证码场景。识别验证码的python 库有很多，用起来也并不简单，这里推荐一个简单实用的识别验证码的库 ddddocr (带带弟弟ocr)库.
使用ddddocr实现文字验证码和滑块验证码
weixin_43985642的博客
12-28 2090
滑块验证码和文字验证码图片的识别
python 使用ddddocr库实现滑块验证码滑动验证
野路子云遇见不同的自己
01-20 2528
本篇文章篇幅不长，主要也没啥好说的，验证码研究多了，识别和轨迹就那几套方法，换汤不换药函数a(e, t)中的重头戏：c.guid()、_.encrypt()、i.encrypt()、c.arrayToHex()四个函数我们放到浩瀚篇再说吧，不然我这紫极魔瞳四大境界变成三大境界了，哈哈哈。
python爬虫反反爬之图片验证
最新发布
HUANGXIN9898的博客
06-14 1354
相信做自动化测试的同学一定不可忽视的问题就是验证码，他几乎是一个网站登录的标配，当然，我一般是不建议在这上面浪费时间去做识别的。举个例子，现在你的目的是进入自己家的房子，房子为了防止小偷进入于是上了一把锁。我们没必要花费力气去研究开锁技术。去找锁匠配置一把万能钥匙（让开发设置验证码的万能码），或者干脆先去上锁匠把验证码去掉（让开发暂时屏蔽验证码）。严格来说识别验证码不是我们自动化测试的重点。除非你是验证码厂商的员工，破解识别验证码是你的工作。
使用ddddocr自动化测试验证码识别
weixin_44793245的博客
06-27 2910
原打算使用tesseract进行验证码识别的但后面发现实在太辣鸡了实际验证码图片得到的效果这还识别个毛啊。
Python ocr哪个速度最快,Python ocr 版面分析
2401_84471631的博客
05-31 852
Tesseract是一款开源的OCR（Optical Character Recognition，光学字符识别）引擎，最初由HP实验室开发，在2005年后由Google接手并进一步开发和完善快码论文。Tesseract支持多种语言文字的检测和识别，包括中文、英语、德语、法语、意大利语等多种主要语言，同时也支持针对特定场景或应用的领域OCR开发。Tesseract基于机器学习技术，使用了多层神经网络以及支持向量机（SVM）等算法进行文字特征提取和识别。
基于python实现破解滑动验证码过程解析
01-20
前言： 很多小伙伴们反馈，在web自动化的过程中，经常会被登录的验证码给卡住，不知道如何去通过验证码的验证。今天专门给大家来聊聊验证码的问题，一般的情况下遇到验证码我们可以都可以找开发去帮忙解决，关闭验证码，或者给一个万能的验证码！那么如果开发不提供帮助的话，我们自己有没有办法来处理这些验证码的问题呢？答案当然是有的，常见的验证码一般分为两类，一类是图文验证码，一类是滑动验证码！ 今天我们主要来聊聊滑动验证码如何去识别破解。 滑动验证破解思路 关于滑动验证码破解的思路大体上来讲就是以下两个步骤： 1、获取滑块滑动的距离 2、模拟拖动滑块，通过验证。 听起来是比较简单，但是获取滑块滑动的距离，
dddocr验证码识别
weixin_52529845的博客
10-26 1023
dddocr是一个基于深度学习的OCR（Optical Character Recognition，光学字符识别）库，用于识别图片中的文字。dddocr库使用了深度卷积神经网络（CNN）和循环神经网络（RNN）等先进的模型，具有较高的准确性和稳定性。以上示例中，image_path为待识别的验证码图片路径，通过调用不同的识别函数来识别不同类型的验证码。每个示例都创建了一个dddocr的实例，然后调用相应的方法进行识别。利用dddocr库可以支持识别不同类型的验证码。示例1：英文字母验证码识别。
Python3-图片文字识别库ddddocr的使用，验证码的识别
记录和分享程序人生的点点滴滴
08-18 1万+
ddddocr是一个开源图片识别库，Github地址： https://github.com/sml2h3/ddddocr， 经测试发现，ddddocr在识别验证码类型的图片时，准确率还是很高的。
ddddocr：一款强大的开源OCR库
热门推荐
愤怒的阿木木的博客
05-23 1万+
OCR 的定义和应用场景OCR，全称为光学字符识别（Optical Character Recognition），是一种将印刷体或手写文本转换为可编辑、可搜索和可处理的电子文本的技术。它通过图像处理和模式识别等技术，将图像中的文字转化为计算机可识别的字符编码。OCR 技术的应用场景非常广泛，其中一些典型的应用包括：文字识别和提取：OCR 可以用于从印刷体或手写文本中提取文字内容，将纸质文档、书籍、报纸、合同等转换为可编辑的电子文本。这种自动化的文本提取可以大大节省人工输入和处理的时间。
Python应用实战代码-如何用Selenium 实现反反爬方案
07-21
本篇将重点讲解如何利用Python的Selenium库来实施反反爬策略，帮助我们更有效地抓取网页数据。 Selenium是一个强大的自动化测试工具，它可以模拟真实用户的行为，如点击、滚动、填写表单等，因此在应对JavaScript...
python爬虫之验证码篇3-滑动验证码识别技术
12-26
本篇涉及到的验证码为滑动验证码，不同于极验证，本验证码难度略低，需要的将滑块拖动到矩形区域右侧即可完成。 这类验证码不常见了，官方介绍地址为：...
【保姆级教学】Python爬虫、Selenium、Scrapy爬虫框架、反爬与反反爬、Appium
03-06
视频课程分享——【保姆级教学】Python爬虫、Selenium、Scrapy爬虫框架、反爬与反反爬、Appium，附源码+文档下载
selenium实例：自动刷青马网课实现登陆 python实现自动登陆 利用pytesseract自动识别验证码并登录
12-22
首先得先安装好python，IDE，selenium，Firefox浏览器 这里可以供参考 Windows下的python的安装全步骤，分图详解 Windows+Firefox（Chrome）+selenium+python配置并更改源（加快下载速度，不然很慢） 安装相关的库 ...
基于深度学习卷积神经网络的网站验证码识别研究与实现项目全部数据.zip
11-30
python毕业设计基于深度学习卷积神经网络的网站验证码识别研究与实现项目源码+全部数据.zip这是本科毕业设计的课题，“基于深度学习的网站验证码识别研究与实现”。主要是利用卷积神经网络，基于TensorFlow平台，...
UI自动化Selenium OCR库：ddddocr识别验证码
BenZ_X的专栏
12-01 972
一、安装ddddocr。UI自动化Selenium OCR库：ddddocr识别验证码
python使用ddddocr识别验证码
dreamasljglgf的博客
01-19 1411
1、前言：上一篇写了如何用python的pytesseract库识别登录验证码，发现pytesseract识别出来并不是很准确；如果仅仅是数字的话，用ddddocr准确率更高，识别咔咔准～执行后报错“欢迎使用ddddocr，本项目专注带动行业内卷，个人博客:wenanzhe.com...”3、安装成功后，在获取验证码接口的响应数据中提取验证码的值，为base64格式。
ddddocr基本使用和介绍
enjoy life
04-19 1979
摘要：在使用爬虫登录网站的时候，经常输入用户名和密码后会遇到验证码，这时候就需要用到今天给大家介绍的python第三方库ddddocr，ddddocr是一款强大的通用开源ocr识别库，具有高效、准确、易用的特点，广泛应用于图像处理和文字识别任务。本文将为大家介绍ddddocr的基本使用方法，以及示例代码。在计算机视觉和图像处理领域，数字识别是一个常见的任务，用于从图像中提取数字并进行识别。通常，传统的数字识别算法在单个数字或多位数字的识别上表现良好，但对于双重数字（两位数字）的准确识别却面临一些挑战。
selenium反爬
08-05
引用中提到，使用selenium进行网页爬取时，有些网站会检测到是selenium并封禁IP。这些网站通常是通过检测浏览器的navigator.webdriver属性来判断是否使用selenium，当使用selenium时，navigator.webdriver属性的值为true，而正常用户访问网站时为false。因此，可以通过修改navigator.webdriver属性的值来规避网站的反爬机制。可以使用以下代码来修改navigator.webdriver属性的值： ```python from selenium import webdriver from selenium.webdriver.chrome.options import Options # 创建 Chrome 参数对象，设置无头模式 chrome_options = Options() chrome_options.add_argument('--headless') # 修改 navigator.webdriver 的值 webdriver = webdriver.Chrome(chrome_options=chrome_options) webdriver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", { "source": """ Object.defineProperty(navigator, 'webdriver', { get: () => undefined }) """ }) # 正常使用Selenium进行页面爬取 webdriver.get('http://www.example.com') # 其他操作... ``` 使用上述代码可以修改navigator.webdriver的值为undefined，从而绕过网站对selenium的反爬机制。请注意，绕过网站的反爬机制可能违反该网站的使用规定，请确保在合法和合适的情况下使用selenium进行网页爬取。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值