位置: 编程技术 - 正文

Python爬虫爬验证码实现功能详解(爬虫如何识别验证码)

编辑:rootadmin

推荐整理分享Python爬虫爬验证码实现功能详解(爬虫如何识别验证码),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:爬虫 验证,python爬虫爬取登录数据,python爬取验证码,爬虫 验证,爬虫登录验证怎么做的,python爬虫验证码处理,python爬虫爬取登录数据,python爬虫验证码处理,内容如对您有帮助,希望把文章链接给更多的朋友!

主要实现功能:

- 登陆网页

- 动态等待网页加载

- 验证码下载

很早就有一个想法,就是自动按照脚本执行一个功能,节省大量的人力——个人比较懒。花了几天写了写,本着想完成验证码的识别,从根本上解决问题,只是难度太高,识别的准确率又太低,计划再次告一段落。希望这次经历可以与大家进行分享和交流。

Python打开浏览器

相比与自带的urllib2模块,操作比较麻烦,针对于一部分网页还需要对cookie进行保存,很不方便。于是,我这里使用的是Python2.7下的selenium模块进行网页上的操作。

测试网页: UTF-8

等待网页加载完毕

使用的是selenium中的WebDriverWait,上面的代码中已经加载

元素定位、字符输入

接下来我们需要进行登录操作:这里我使用的是Chrome,右键选择需要进行填写内容的部分,选择检查,会自动转跳到 F下的开发者模式(全程需要这个功能来找到相关的资源)。

vczKprbLJnJkcXVvO9Gh1PHT0LnYtcSyv7fWPGJyIC8+DQo8aW1nIGFsdD0="这里写图片描述" src=" title="" />

这里我们看到有一个value = “1”,考虑到下拉框的属性,我们只要想办法把这个value赋值给UserRole就好了。这里使用的是通过selenium的Select模块来进行选择,定位控件使用 find_element_by_**,能一一对应,很方便。

这是用脚本自动填充完的效果,之后就会转跳到下一页。

这里,我需要的是功能是自动对学术报告进行报名

Python爬虫爬验证码实现功能详解(爬虫如何识别验证码)

对需要已有的报告右键即可发现和这个活动有关的消息,因现在没有报告,所以只显示了标题,但对于后面的有效报告识别有相似的地方。

对于元素的定位,我优先选择了 xpath,根据测试,可以唯一定位一个元素的位置,很好用。

爬取信息

接下来我们要进行的步骤是爬取现有的有效报告:

爬取验证码

对网页中的验证码进行元素审查后,我们发现了其中的一个一个链接,是 IdentifyingCode.apsx,后面我们就对这个页面进行加载,并批量获取验证码。

爬取的思路是用selenium截取当前页面(仅显示部分),并保存到本地——需要翻页并截取特定位置的请研究:

broswer.set_window_position(**)相关函数;然后人工进行验证码的定位,通过PIL模块进行截取并保存。

最后调用谷歌在Python下的pytesser进行字符识别,但这个网站的验证码有很多的干扰,外加字符旋转,仅仅能识别其中的一部分字符。

爬取下来的验证码

一部分验证码原图:

从上面的验证码看出,字符是带旋转的,而且因为旋转造成的重叠对于后续的识别也有很大的影响。我曾尝试过使用神经网络进行训练,但因没有进行特征向量的提取,准确率低得离谱。

关于Python爬虫爬验证码实现功能详解就给大家介绍到这里,希望对大家有所帮助!

Python Web框架Tornado运行和部署 本文实例为大家分享了PythonWeb框架Tornado运行和部署的详细内容,供大家参考,具体内容如下一、运行和部署因为Tornado内置了自己的HTTPServer,运行和部

说一说Python logging 最近有个需求是把以前字符串输出的log改为json格式,看了别人的例子,还是有些比较茫然,索性就把logging整个翻了一边,做点小总结.初看log在程序中,log的用

Python使用redis pool的一种单例实现方式 本文实例讲述了Python使用redispool的一种单例实现方式。分享给大家供大家参考,具体如下:为适应多个redis实例共享同一个连接池的场景,可以类似于以

标签: 爬虫如何识别验证码

本文链接地址:https://www.jiuchutong.com/biancheng/385298.html 转载请保留说明!

上一篇:Python实现简单登录验证(python编写登录程序)

下一篇:Python Web框架Tornado运行和部署(python web框架2023)

  • 税种核定在电子版怎么查
  • 独资企业赚的钱全是老板的吗
  • 公司注销涉及哪些税务部门
  • 广播影视服务税率2023
  • 个税所得税清缴
  • 自然人系统怎么申报个人所得税
  • 科目错一题扣几分
  • 残疾人保障金计算方法
  • 土增税清算地下室怎么扣除
  • 刚成立的外贸公司做小规模纳税人好不好
  • 土地增值税清算利息扣除规定
  • 金税盘的进项发票怎么导出
  • 招待费增值税能抵扣吗
  • 劳务公司购买设备怎么做账
  • 预付账款只有部分开了发票怎么入账
  • 食品发票可以抵扣所得税吗
  • 开发票税收分类编码怎么选
  • 增值税的税负率的计算公式
  • 请问哪些福利费不用交税
  • 销项税额抵减会取得专用发票吗为什么
  • 合并报表收费
  • 作废的发票没有验旧丢了怎么办
  • 应付账款收不到账怎么办
  • 发票过期未认证怎么办
  • 所得税工资薪金允许税前扣除
  • 出口报关单中有哪些内容
  • 增值税进项税额转出的情况有哪些
  • 鸿蒙系统怎么设置屏幕不休眠
  • win10重装系统后网卡没了
  • 出差预借差旅费属于什么科目
  • 其他应收和其他应付可以共用吗
  • 小微企业免教育附加
  • 金融企业类型有哪些
  • vue导航解析流程
  • 增值税普通发票和电子普通发票的区别
  • linux怎么创建python文件
  • mongodb reference
  • 筹建期的收入要交企业所得税吗
  • 固定资产盘亏是管理费用吗
  • 个体商户个人所得税怎么算
  • 企业所得税会计利润总额计算公式
  • 无形资产摊销是当月增加当月摊销吗
  • 酒店客房成本计算公式
  • 新准则下其他应收坏账
  • 企业的经营业务
  • 个人所得税能说明什么
  • 疫情期间社保减免优惠政策几个月
  • 销售商品返还现金
  • 简易办法征收增值税有几种情况
  • 票据比例
  • 委托加工如何做会计处理
  • 装修费用税法规定有哪些
  • 公司员工报销油费
  • 用友t3财务通普及版如何开下年账
  • 工程未完工开了发票怎么做账
  • 企业微信对公账户认证
  • 自动备份mssql server数据库并压缩的批处理脚本
  • fedora s7
  • freebsd的软件管理工具ports详解
  • bios关闭pxe
  • Win10系统怎样把Word转成PDF
  • “explorer.exe”进程文件
  • win10系统怎么修改字体大小
  • win7系统出现蓝屏
  • linux病毒排查
  • ssh用法及命令
  • 分形图形学
  • vs2013怎么配置环境
  • winbox app
  • 游戏开发u3d
  • jquery 选择
  • jquery 单页应用
  • python怎么用命令行
  • android升级是什么意思
  • 基于jquery的框架
  • android:imeOptions属性
  • 云南增值税普通发票怎么开
  • 进项税小于销项税
  • 税务局宣传报道
  • 五险一金和公积金冲突吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设