Python调用云码验证码识别功能解析页面中的验证码

需求：古诗文网站的验证码识别（https://so.gushiwen.cn//user/login.aspx）

一、注册和登录云码账号

官方地址：https://www.jfbym.com/

登录后显示页面：

注意：新注册的用户积分是0，在解析时会出现以下错误，因此我们需要获得积分才能使用，这里充值的最低金额是10元，所以小编是扫描微信获取300积分，每次解析会扣3个积分，测试的话是够用的。

二、集成云码

在云码的开发文档，选择python语言，根据网页的验证码格式分析，集成此方法完成验证码的识别。

class YdmVerify(object):
    def __init__(self, token):
        self._token = token
        self._api_url = "http://api.jfbym.com/api/YmServer/customApi"

    def verify(self, verify_type, image_data):
        image_base64 = base64.b64encode(image_data).decode('utf-8')
        payload = {
            'image': image_base64,
            'token': self._token,
            'type': verify_type
        }
        headers = {
            'Content-Type': 'application/json'
        }
        response = requests.post(self._api_url, headers=headers, data=json.dumps(payload))
        response_data = json.loads(response.text)
        #10000代表识别成功，返回数据
        if response_data['code'] == 10000:
            return response_data['data']
        else :
            raise Exception('Failed to verify captcha: %s' % response_data['msg'])

三、分析古诗文页面

1.获取网页的源代码

        想要拿到验证码的数据，我们需要先获取到整个页面的源代码，再进行分析。这里的User-Agent可以在网页打开开发者工具获取。

#页面地址
    url = 'https://so.gushiwen.cn/user/login.aspx' 
    #UA伪装：让爬虫对应的请求载体身份标识伪装成某一款浏览器
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36'
    }
    #解析页面的源代码
    page_text = requests.get(url=url, headers=headers).text

2.解析出验证码图片的地址

        在这里，我们依然利用开发者工具，观察二维码图片的位置，根据页面显示的位置去获取图片的地址。

tree = etree.HTML(page_text)
qr_code_src = 'https://so.gushiwen.cn/' + tree.xpath('//img[@id="imgCode"]/@src')[0]
qr_code_data = requests.get(url=qr_code_src, headers=headers).content
#将图片保存到本地
with open('./qr_code.jpg', 'wb') as fp:
   fp.write(qr_code_data)

3.调用识别功能

#识别验证码参数
token = 'DcayTHwestAFPV68ebz7fT9Kf_adZKEZJ_Q-_2veV78'
image_path = qr_code_src
verify_type = '10111'  # 通用数英5-8位
#调用二维码识别的方法
yunma = YdmVerify(token)
result = yunma.verify(verify_type, qr_code_data)
qr_code = result['data']

四、完整的代码

#需求：古诗文网站的验证码识别（https://so.gushiwen.cn//user/login.aspx）
import json
import requests
import base64
from lxml import etree
class YdmVerify(object):
    def __init__(self, token):
        self._token = token
        self._api_url = "http://api.jfbym.com/api/YmServer/customApi"

    def verify(self, verify_type, image_data):
        image_base64 = base64.b64encode(image_data).decode('utf-8')
        payload = {
            'image': image_base64,
            'token': self._token,
            'type': verify_type
        }
        headers = {
            'Content-Type': 'application/json'
        }
        response = requests.post(self._api_url, headers=headers, data=json.dumps(payload))
        response_data = json.loads(response.text)
        #10000代表识别成功，返回数据
        if response_data['code'] == 10000:
            return response_data['data']
        else :
            raise Exception('Failed to verify captcha: %s' % response_data['msg'])


if __name__ == '__main__':
    #页面地址
    url = 'https://so.gushiwen.cn/user/login.aspx'
    #UA伪装：让爬虫对应的请求载体身份标识伪装成某一款浏览器
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36'
    }
    #解析页面的源代码
    page_text = requests.get(url=url, headers=headers).text
    tree = etree.HTML(page_text)
    qr_code_src = 'https://so.gushiwen.cn/' + tree.xpath('//img[@id="imgCode"]/@src')[0]
    qr_code_data = requests.get(url=qr_code_src, headers=headers).content
    #将图片保存到本地
    with open('./qr_code.jpg', 'wb') as fp:
        fp.write(qr_code_data)
    #识别验证码参数
    token = 'DcayTHwestAFPV68ebz7fT9Kf_adZKEZJ_Q-_2veV78'
    image_path = qr_code_src
    verify_type = '10111'  # 通用数英5-8位
    #调用二维码识别的方法
    yunma = YdmVerify(token)
    result = yunma.verify(verify_type, qr_code_data)
    qr_code = result['data']
    print(qr_code)