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
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！
