在爬取网站的时候都遇到过验证码，那么我们有什么方法让程序自动的识别验证码呢？其实网上已有很多打码平台，但是这些都是需要money。但对于仅仅爬取点数据而接入打码平台实属浪费。所以百度免费ocr正好可以利用。(每天500次免费)

1、注册百度账号、百度云管理中心创建应用、生成AppKey、SecretKey(程序调用接口是要生成access_token)

2、利用AppKey、SecretKey生成access_token

向授权服务地址https://aip.baidubce.com/oauth/2.0/token发送请求(推荐使用POST)并在URL中带上以下参数：

grant_type： 必须参数，固定为client_credentials；

client_id： 必须参数，应用的API Key；

client_secret： 必须参数，应用的Secret Key

代码如下：

/**

* 获取AccessToken

* 百度开发

* AppId:

* APIKey:

* SecretKey:

*

* @return

*/

public static String getAccessToken() {

String accessToken = "";

HttpRequestData httpRequestData = new HttpRequestData();

HashMap params = new HashMap<>();

params.put("grant_type", "client_credentials");

params.put("client_id", "xxxxxx");

params.put("client_secret", "xxxxxx");

httpRequestData.setRequestMethod("GET");

httpRequestData.setParams(params);

httpRequestData.setRequestUrl("https://aip.baidubce.com/oauth/2.0/token");

HttpResponse response = HttpClientUtils.execute(httpRequestData);

String json = "";

try {

json = IOUtils.toString(response.getEntity().getContent());

} catch (IOException e) {

e.printStackTrace();

}

if (response.getStatusLine().getStatusCode() == 200) {

JSONObject jsonObject = JSONObject.parseObject(json);

if (jsonObject != null && !jsonObject.isEmpty()) {

accessToken = jsonObject.getString("access_token");

}

}

return accessToken;

}

3、请求百度ocr通用文字识别API(下面以百度通用识别api识别为例)

请求API的URL https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic

请求方法 POST

请求URL参数 access_token

请求头 (Header) Content-Type application/x-www-form-urlencoded

Body中放置请求参数，主要参数详情如下：

image : 图像数据，base64编码，要求base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式，当image字段存在时url字段失效

url : 图片完整URL，URL长度不超过1024字节，URL对应的图片base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式，当image字段存在时url字段失效

/**

* 获取识别验证码

* @param imageUrl

* @return

*/

public static String OCRVCode(String imageUrl){

String VCode = "";

if (StringUtils.isBlank(ACCESS_TOKEN)) {

logger.error("accessToken为空");

return VCode;

}

OCRUrl = OCRUrl + "?access_token=" + ACCESS_TOKEN;

HashMap headers = new HashMap<>();

headers.put("Content-Type", "application/x-www-form-urlencoded");

HashMap params = new HashMap<>();

imageUrl = ImageBase64ToStringUtils.imageToStringByBase64(imageUrl);

params.put("image", imageUrl);

HttpRequestData httpRequestData = new HttpRequestData();

httpRequestData.setHeaders(headers);

httpRequestData.setRequestMethod("post");

httpRequestData.setParams(params);

httpRequestData.setRequestUrl(OCRUrl);

HttpResponse response = HttpClientUtils.execute(httpRequestData);

String json = "";

if (response.getStatusLine().getStatusCode() == 200) {

try {

json = IOUtils.toString(response.getEntity().getContent());

JSONObject jsonObject = JSONObject.parseObject(json);

JSONArray wordsResult = jsonObject.getJSONArray("words_result");

VCode = wordsResult.getJSONObject(0).getString("words");

} catch (IOException e) {

logger.error("请求识别失败！", e);

}

}

return VCode;

}

对图片进行base64编码字符

/**

* 将本地图片进行Base64位编码

* @param imageFile

* @return

*/

public static String encodeImgageToBase64(String imageFile) {

// 其进行Base64编码处理

byte[] data = null;

// 读取图片字节数组

try {

InputStream in = new FileInputStream(imageFile);

data = new byte[in.available()];

in.read(data);

in.close();

} catch (IOException e) {

e.printStackTrace();

}

// 对字节数组Base64编码

return Base64Util.encode(data);

}

4、返回结果以json方式返回

{

"log_id": 2471272194,

"words_result_num": 2,

"words_result":

[

{"words": " TSINGTAO"},

{"words": "青島睥酒"}

]

}

项目github地址：https://github.com/xwlmdd/ipProxyPool

注：ocr图片识别模块在这个项目里的一个工具类

如何利用百度orc实现验证码自动识别

在爬取网站的时候都遇到过验证码,那么我们有什么方法让程序自动的识别验证码呢?其实网上已有很多打码平台,但是这些都是需要money.但对于仅仅爬取点数据而接入打码平台实属浪费.所以百度免费orc正好可以 ...

python爬虫&lowbar;简单使用百度OCR解析验证码

百度技术文档 首先要注册百度云账号: 在首页,找到图像识别,创建应用,选择相应的功能,创建 安装接口模块: pip install baidu-aip 简单识别一: 简单图形验证码: 图片: from ...

第三百三十五节，web爬虫讲解2—Scrapy框架爬虫—豆瓣登录与利用打码接口实现自动识别验证码

第三百三十五节,web爬虫讲解2—Scrapy框架爬虫—豆瓣登录与利用打码接口实现自动识别验证码 打码接口文件 # -*- coding: cp936 -*- import sys import os ...

利用百度文字识别API识别图像中的文字

本文将会介绍如何使用百度AI开放平台中的文字识别服务来识别图片中的文字.百度AI开放平台的访问网址为:http://ai.baidu.com/ ,为了能够使用该平台提供的AI服务,你需要事先注册一 ...

利用htmlunit登陆带验证码图片的网站

http://htsoft.org/html/y2011/822_using-htmlunit-landing-site-with-captcha-image.html 利用htmlunit登陆带验证 ...

Ocr答题辅助神器 OcrAnswerer4&period;x，通过百度OCR识别手机文字，支持屏幕窗口截图和ADB安卓截图，支持四十个直播App&comma;可保存题库

http://www.cnblogs.com/Charltsing/p/OcrAnswerer.html 联系qq:564955427 最新版为v4.1版,开放一定概率的八窗口体验功能,请截图体验(多 ...

百度OCR识别示例

文章地址:https://www.cnblogs.com/Charltsing/p/OcrAnswerer.html 最新版为v4.1版,开放一定概率的八窗口体验功能,请截图体验(多点几次图片).更新 ...

python截图&plus;百度ocr(图片识别)&plus; 百度翻译

一直想用python做一个截图并自动翻译的工具,恰好最近有时间就在网上找了资料,根据资料以及自己的理解做了一个简单的截图翻译工具.整理一下并把代码放在github给大家参考.界面用python自带的G ...

利用百度API Store接口进行火车票查询

火车票查询 项目源码下载链接: Github:https://github.com/VincentWYJ/TrainTicketQuery 博客文件:http://files.cnblogs.com/ ...

随机推荐

spring入门(一)

前面介绍了spring环境的搭建,在搭建spring环境的时候分为java环境和javaWeb环境,在javaWeb环境下通常会结合springMVC使用,在java项目中只需要把spring的包导入 ...

C语言进行面向对象编程

http://blog.csdn.net/dadalan/article/details/3983888 http://blog.163.com/zhqh43@126/blog/static/4043 ...

Linux进程基础

Linux进程基础   作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 计算机实际上可以做的事情实质上非常简单,比如计算两个数的和 ...

combotree的加载方法

poj 3295 Tautology &lpar;构造&rpar;

题目:http://poj.org/problem?id=3295 题意:p,q,r,s,t,是五个二进制数. K,A,N,C,E,是五个运算符. K:&& A:||N:! C:(!w ...

ASP&period;NET中的FileUpload文件上传控件的使用

本篇文章教大家如何将客户端的图片或者文件上传到服务器: 无论是上传图片(.jpg .png .gif等等) 文档(word excel ppt 等等). 第一步:放入以下三个控件 Image控件,Fi ...

Asynchronous MQTT client library for C (MQTT异步客户端C语言库-paho)

原文:http://www.eclipse.org/paho/files/mqttdoc/MQTTAsync/html/index.html MQTT异步客户端C语言库   用于C的异步 MQTT 客 ...

Android 8&period;0系统的应用图标适配

版权声明:本文为HaiyuKing原创文章,转载请注明出处! 概述 参考资料中已经讲得很清楚了,这里我只是简单总结下.详情的内容请阅 ...

初步接触ES6

Babel---ES6转码器 ES6 声明变量的六种方法 ES5 只有两种声明变量的方法:var命令和function命令. ES6除了添加let和const命令,另外两种声明变量的方法:import ...

POJO与PO、VO的区别

http://www.cnblogs.com/wangjunwei/p/3859360.html POCO的概念是从java的POJO借用而来,而两者的含义是一致的,不同的仅仅是使用的语言不一样.所以 ...