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)

  • 服务类一般纳税人无进项
  • 多交的增值税和附加税退回,如何记账
  • 通用发票
  • 机票的抵扣进项怎么抵扣
  • 个税计提和发放分录
  • 建筑工程免税项目
  • 开票有误的具体
  • 现金日记账是收付实现制吗
  • 固定资产的维护费计入什么科目
  • 应付票据的处理
  • 财产行为税计税依据
  • 补开的银行手续费发票怎么做账
  • 没通过认证的增值税发票是否能够记入成本抵扣
  • 收取的职工房租如何入账
  • 结转增值税的计算公式
  • 一般纳税人申报表填写顺序
  • 公司汽车保养费用怎么做账
  • 党员经费的使用范围
  • 收到购货方退回的发票联和抵扣联如何处理?
  • 华为nova9值得买吗知乎
  • vue中的...
  • win7系统打开软件就停止工作
  • 债券投资属于什么业务
  • 建筑工程增值税税率是多少
  • 右键菜单里的快捷键
  • 税款缴纳期初未缴税额
  • thinkphp分表
  • thinkphp配置文件
  • 增值税和所得税区别
  • 唱吧地图
  • ORB_SLAM2+kinect稠密建图实战项目总结
  • uniapp scroll-view基础用法
  • vue中computed作用
  • vue render ref
  • vue鼠标悬浮菜单
  • 人类记忆存储在哪
  • 表关联查询语句
  • php安装openssl扩展
  • 冲红发票操作流程
  • 汽车维修费可以做差旅费吗
  • 公司向公司借款合法吗
  • 餐饮业税务申报
  • 制作海报属于什么行业
  • 企业主营业务收入科目下的余额应转入的科目是
  • 火车票报销抵扣比例是多少
  • 现金流量表季度期初现金余额怎么填
  • 销售退回的会计分录全过程
  • 金银首饰以旧换新所得税处理
  • 土地作为无形资产入账依据
  • 支付的税费现金流量表公式
  • 非成品油发票能做进项吗
  • 土地成本如何分摊
  • 无形资产可以占多少比例
  • 以他人名义投资该签订什么协议
  • 配件盘点出现盘盈盘亏后如何处理
  • 代收代缴水电费协议
  • 报告日前损益调整
  • 长期股权投资成本法会计处理
  • 签合同付款
  • 借别人的承兑后期还现钱可以吗?
  • centos邮件服务器
  • winxp开机提示explorer.exe
  • win8激活失败
  • windows 自启动
  • win10怎么切任务管理
  • jsp手机号验证
  • 文件夹右键菜单管理
  • python 检测主机存活
  • json对象转化为list
  • 安卓手机管家
  • javascript 对象
  • jQuery插件开发
  • 增值税发票的发票号码和发票代码
  • 税务局执法不规范整改
  • 发票换领
  • 国税局宁夏税务
  • 上海如何用电子医保卡
  • 中国最早和谁签订自由贸易
  • 浙江国税网上报税
  • 江苏省国家税务局总局官网
  • 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