python爬虫遇到验证码、输入验证码后提醒验证码错误_爬虫遇到头疼的验证码?Python实战讲解弹窗处理和验证码识别...
前言
在我们写爬虫的过程中,目标网站常见的干扰手段就是设置验证码等,本就将基于Selenium实战讲解如何处理弹窗和验证码,爬取的目标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。
注:selenium 和 tesseract 的配置读者可自行搜索,本文不做介绍)
Python实战
首先导入所需模块
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
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)
有趣的地方出现了,网站显示了一个我们前面没有看到的弹窗,简单说一下弹窗的知识点,初学者可以将弹出框简单分为alert和非alert
alert式弹出框
alert(message)方法用于显示带有一条指定消息和一个 OK 按钮的警告框
confirm(message)方法用于显示一个带有指定消息和 OK 及取消按钮的对话框
prompt(text,defaultText)方法用于显示可提示用户进行输入的对话框
看一下这个弹出框的js是怎么写的:
看起来似乎是alert式弹出框,那么直接用driver.switch_to.alert吗?先不急
非传统alert式弹出框的处理
弹出框位于div层,跟平常定位方法一样
弹出框是嵌套的iframe层,需要切换iframe
弹出框位于嵌套的handle,需要切换窗口
所以我们对这个弹出框进行元素审查
所以问题实际上很简单,直接定位按钮并点击即可
url = 'http://lims.gzzoc.com/client'
driver = webdriver.Chrome()
driver.get(url)
time.sleep(1)
driver.maximize_window() # 最大化窗口
driver.find_element_by_xpath("//div[@class='jconfirm-buttons']/button").click()
获取图片位置并截图
二值法处理验证码的简单思路如下:
切割截取验证码所在的图片
转为灰度后二值法将有效信息转为黑,背景和干扰转为白色
处理后的图片交给文字识别引擎
输入返回的结果并提交
切割截取验证码的图片进一步思考解决策略:首先获取网页上图片的css属性,根据size和location算出图片的坐标;然后截屏;最后用这个坐标进一步去处理截屏即可(由于验证码js的特殊性,不能简单获取img的href后下载图片后读取识别,会导致前后不匹配)
img = driver.find_element_by_xpath('//img[@id="valiCode"]')
time.sleep(1)
location = img.location
size = img.size
# left = location['x']
# top = location['y']
# right = left + size['width']
# bottom = top + size['height']
left = 2 * location['x']
top = 2 * location['y']
right = left + 2 * size['width'] - 10
bottom = top + 2 * size['height'] - 10
driver.save_screenshot('valicode.png')
page_snap_obj = Image.open('valicode.png')
image_obj = page_snap_obj.crop((left, top, right, bottom))
image_obj.show()
正常情况下直接使用注释的四行代码即可,但不同的电脑不同的浏览器,缩放倍率存在差异,因此如果截取出的图存在偏差这需要考虑乘上倍率系数。最后可以再加减数值进行微调
可以看到图片这成功截取出来了!
验证码图片的进一步处理
这个阈值需要具体用Photoshop或者其他工具尝试,即找到一个像素阈值能够将灰度图片中真实数据和背景干扰分开,本例经测试阈值为205
img = image_obj.convert("L") # 转灰度图
pixdata = img.load()
w, h = img.size
threshold = 205
# 遍历所有像素,大于阈值的为黑色
for y in range(h):
for x in range(w):
if pixdata[x, y] < threshold:
pixdata[x, y] = 0
else:
pixdata[x, y] = 255
根据像素二值结果重新生成图片
data = img.getdata()
w, h = img.size
black_point = 0
for x in range(1, w - 1):
for y in range(1, h - 1):
mid_pixel = data[w * y + x]
if mid_pixel < 50:
top_pixel = data[w * (y - 1) + x]
left_pixel = data[w * y + (x - 1)]
down_pixel = data[w * (y + 1) + x]
right_pixel = data[w * y + (x + 1)]
if top_pixel < 10:
black_point += 1
if left_pixel < 10:
black_point += 1
if down_pixel < 10:
black_point += 1
if right_pixel < 10:
black_point += 1
if black_point < 1:
img.putpixel((x, y), 255)
black_point = 0
img.show()
图像处理前后对比如下
文字识别
将处理后的图片就给谷歌的文字识别引擎就能完成识别
result = pytesseract.image_to_string(img)
# 可能存在异常符号,用正则提取其中的数字
regex = '\d+'
result = ''.join(re.findall(regex, result))
print(result)
识别结果如下
提交账号密码、验证码等信息
在处理完验证码之后,现在我们就可以向网站提交账号密码、验证码等登陆所需信息
driver.find_element_by_name('code').send_keys(result)
driver.find_element_by_name('userName').send_keys('xxx')
driver.find_element_by_name('password').send_keys('xxx')
# 最后点击确定
driver.find_element_by_xpath("//div[@class='form-group login-input'][3]").click()
需要注意的是,二值法识别验证码成功率不是100%,因此需要考虑到验证码识别错误,需要单击图片更换验证码重新识别,可以将上述代码拆解成多个函数后,用如下循环框架试错
while True:
try:
...
break
except:
driver.find_element_by_id('valiCode').click()
为了方便理解,代码的书写没有以函数形式呈现,欢迎读者自行尝试修改!
小结
成功登录后就可以获得个人的cookies,接下来可以继续用selenium进行浏览器自动化或者把cookies传给requests,后面就能爬取需要的信息做分析或者实现一些自动化功能,但由于涉及到的爬虫知识点比较多,我们会在后续的爬虫专题文章中进行分享!
本文地址:https://blog.csdn.net/weixin_41846769/article/details/107629483
如您对本文有疑问或者有任何想说的,请点击进行留言回复,万千网友为您解惑!
python爬虫遇到验证码、输入验证码后提醒验证码错误_爬虫遇到头疼的验证码?Python实战讲解弹窗处理和验证码识别...相关推荐
- ant4 多个form 验证_爬虫遇到头疼的验证码?Python实战讲解弹窗处理和验证码识别...
点击上方"早起Python",关注并"星标" 每日接收Python干货! 本文含 3321 字,9代码片段建议阅读 8 分钟 前言 在我们写爬虫的过程中,目标网 ...
- 爬虫遇到头疼的验证码?Python实战讲解弹窗处理和验证码识别
点击上方"Python爬虫与数据挖掘",进行关注 回复"书籍"即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 远芳侵古道,晴翠接荒城. 前言 在 ...
- python爬取小说章节信息用pygame进行数据显示_爬虫不过如此(python的Re 、Requests、BeautifulSoup 详细篇)...
网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本. 爬虫的本质就是一段自动抓取互联网信息的程序,从网络获取 ...
- python编写猜数游戏代码、如果不是整数、显示输入错误_数字炸弹游戏程序 用python来实现...
相信许多小伙伴都玩过数字炸弹游戏,就是指在一定数字范围(一般是整数,不包含边界)里,一个玩家选中一个数字当作炸弹,其余玩家在这个范围含数字,每次只要没猜中炸弹数字,则根据玩家猜的数字缩小范围,直至其中 ...
- python编写猜数游戏代码、如果不是整数、显示输入错误_python编写猜数游戏代码、如果不是整数、显示输入错误_数字炸弹游戏程序 用python来实现......
相信许多小伙伴都玩过数字炸弹游戏,就是指在一定数字范围(一般是整数,不包含边界)里,一个玩家选中一个数字当作炸弹,其余玩家在这个范围含数字,每次只要没猜中炸弹数字,则根据玩家猜的数字缩小范围,直至其中 ...
- python语言的注释语句引导符不包括什么_以下选项中,哪一个是Python语言中代码注释使用的符号?________...
[单选题]关于 Python 语句 P = –P,以下选项中描述正确的是________ [多选题]Python的数字类型包括( ) [多选题]Python中的注释符有哪几种?( ) [判断题]已知 ...
- python编程输入名字配对情侣网名_翻译:《实用的Python编程》01_05_Lists
1.5 列表 本节介绍 Python 原始数据类型列表(list). 列表是一种有序的集合.python 建立列表 使用方括号 [] 来定义列表字面量.git names = [ 'Elwood', ...
- python键盘输入字符串以空格为分隔符_已知str1=“ You need Python” , 以空格为分隔符,分割此此字符串,然后用“ @” 为连接符,将其连接起来()。_学小易找答案...
[单选题]增加同步总线带宽的手段有很多,但以下( )不能提高总线带宽 [填空题]已知str1=" You need Python" , 获得字符串的字符总数(). [单选题]-40 ...
- textbox如何在输入完成后再进行判断_单招不好使,连招才管用:为Android应用生成高质量测试输入...
从我的一个朋友说起 曾经有一个朋友热爱艺术,经常在PxxxHub等等一系列艺术电影网站上下载观看艺术电影.但是他是一个自私的人,不愿意与别人分享,甚至不愿让自己的女朋友看到自己手机上存储的艺术电影.所 ...
最新文章
- python3的数据类型以及模块的含义
- 关于学习Python的一点学习总结(20->assert判断->while和for使用)
- 机器学习数据预处理之缺失值:样本删除
- 【Nvivo教程】使用Nvivo构建计算的本体
- java修改动态视频,直播视频app源码,动态修改cron
- 67. Add Binary
- 基地址和偏移地址的概念
- Spring 通过@Import实现Bean的注册
- spring-在配置文件中配置DAO时直接引用DataSource
- STM32F7xx —— CAN通信
- MFC随机博弈黑白棋
- eclipse定义和修改模板
- Nancy之基于Nancy.Owin的小Demo
- jqgrid使用小记
- 计算机组成原理----Cache主存地址映射(计算题)
- 使用mysqldump备份数据库
- 所有ghost操作系统大全
- 怀念张孝祥,张老师一路走好
- 商城静态页面(仿小米官网)
- html文件右键没有打开方式,一个文件打不开,点右键,怎么在打开方式中加入Word,Excel的打开方式,打开方式中有Word的打开方式?...
热门文章
- dos命令进入文件夹
- The Design of design
- Kubernetes: kubectl 插件管理器 Krew 安装
- sso 登出_最强SSO单点登录教程(三)单点注销流程分析
- wxPython官方文档翻译第一期初稿
- 如何为MP3文件创建url直接可以打开,无需下载
- “真香”是什么意思?
- 远程桌面连接:提示出现身份验证错误,要求的函数不受支持。这可能是由于CredSSP加密数据库修正错误。
- python十六进制转换成八进制_怎么把十六进制转化为八进制
- 基于Puppeteer的Chrome Recorder初试