转载请注明:陈熹 [email protected] (简书号:半为花间酒)
若公众号内转载请联系公众号:早起Python
Selenium爬虫的测试网站为 某仪器预约平台
可以看到登录所需的验证码构成比较简单,是彩色的标准数字配合简单的背景干扰
因此这里的验证码识别不需要借助人工智能的手段,可直接利用二值法对图片处理后交给谷歌的识别引擎tesseract-OCR即可获得图中的数字
selenium 和 tesseract 的配置读者可自行搜索,本文不做介绍
代码实现
一、导入需要的模块
import re
# 图片处理
from PIL import Image
# 文字识别
import pytesseract
# 浏览器自动化
from selenium import webdriver
import time
二、解决弹出框问题
先尝试打开示例网站
url = 'http://lims.gzzoc.com/client'
driver = webdriver.Chrome()
driver.get(url)
time.sleep(30)