Python爬蟲入門教程 56-100 python爬蟲高階技術之驗證碼篇2-開放平臺OCR技術

夢想橡皮擦發表於2019-04-09
Python爬蟲

今日的驗證碼之旅

今天你要學習的驗證碼採用通過第三方AI平臺開放的OCR介面實現，OCR文字識別技術目前已經比較成熟了，而且第三方比較多，今天採用的是百度的。

註冊百度AI平臺

官方網址：ai.baidu.com/
接下來申請

python爬蟲入門教程
接下來建立一個簡單應用之後，就可以使用了，我們找到
python爬蟲入門教程

閱讀文字識別相關文件

你需要具備基本的閱讀第三方文件的能力，開啟我們需要的文件

cloud.baidu.com/doc/OCR/OCR…

這個頁面基本上已經把我們需要做的所有內容都已經標識清楚了

編寫獲取accesstoken的程式碼

在目前主流的API開發模式下，都是需要你進行accesstoken的獲取的

程式碼如下 ，重點需要參照文件進行傳參的設計

python驗證碼識別技術

    def get_accesstoken(self):
        res = requests.post(self.url.format(self.key,self.secret),headers=self.header)
        content = res.text
        if (content):
            return json.loads(content)["access_token"]
複製程式碼

得到accesstoken之後，你可以繼續下面的操作

import requests
import json

import base64

import urllib.request, urllib.parse

class GetCode(object):

    def __init__(self):
        self.url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}"
        self.api = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={}"
        self.header = {
            "Content-Type":'application/json; charset=UTF-8'
        }

        self.key = "你的KEY"
        self.secret = "你的SECRET"
複製程式碼

驗證碼識別階段

普通沒有干擾的驗證碼，我們直接識別即可，但是有的驗證碼還是有干擾的，在識別之前，需要對它進行基本的處理，我們採用和上篇文章類似的辦法進行，對它進行灰度處理和二值化操作。部分程式碼我直接硬編碼了，不過最終識別的效果並沒有比想象的優化多少。

 def init_table(self,threshold=155):
        table = []
        for i in range(256):
            if i < threshold:
                table.append(0)
            else:
                table.append(1)
        return table



    def opt_image(self):
        im = Image.open("66.png")

        im = im.convert('L')
        im = im.point(self.init_table(), '1')
        im.save('66_s.png')
        return "66_s.png"
複製程式碼

呼叫驗證碼介面

呼叫百度的驗證碼介面，不使用百度給的模組直接編寫。按照它對應的文件，書寫即可。 在這個地方尤其注意官方文件提示

python驗證碼識別

    def get_file_content(self,file_path):
        with open(file_path, 'rb') as fp:
            base64_data = base64.b64encode(fp.read())
            s = base64_data.decode()

            data = {}
            data['image'] = s

            decoded_data = urllib.parse.urlencode(data)
            return decoded_data


    def show_code(self):
        image = self.get_file_content(self.opt_image())
        headers = {
            "Content-Type":	"application/x-www-form-urlencoded"
        }
        res = requests.post(self.api.format(self.get_accesstoken()),headers=headers,data=image)
        print(res.text)
複製程式碼

通過百度模組呼叫驗證碼識別

安裝百度AI

pip install baidu-aip

安裝之後，就可以使用啦

  1. 宣告一些常量，你在百度建立應用之後就可以獲取
  2. 初始化文字識別類
  3. 呼叫對應的方法

python驗證碼識別

參考程式碼

from aip import AipOcr


# 定義常量
APP_ID = '15736693'
API_KEY = '你的KEY'
SECRET_KEY = '你的SECRET'

# 初始化文字識別
aipOcr=AipOcr(APP_ID, API_KEY, SECRET_KEY)

# 讀取圖片
filePath = "1.jpg"

def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

# 定義引數變數
options = {
    'detect_direction': 'true',
    'language_type': 'CHN_ENG',
}

# 網路圖片文字文字識別介面
result = aipOcr.webImage(get_file_content(filePath),options)


print(result)


複製程式碼

編碼後記

這種通過第三方OCR技術識別驗證碼的方式，本質上和上篇文章的原理是一致的 在實測過程中發現，沒有太多干擾線，搜狗，騰訊，有道 基本表現一致

對於這種方式，學會即可~，道理都是一致的，當然你可以用Python實現一個圖片轉文字的小應用是沒有任何問題的

歡迎關注非本科程式設計師公眾賬號, 傳送 ocr 獲取原始碼

非本科程式設計師

相關文章