Python爬蟲入門教程 56-100 python爬蟲高階技術之驗證碼篇2-開放平臺OCR技術
摘要：
今天你要學習的驗證碼採用通過第三方AI平臺開放的OCR介面實現，OCR文字識別技術目前已經比較成熟了，而且第三方比較多，今天採用的是百度的。
註冊百度AI平臺
官方網址：ai.baidu.com/
接下來申請
接下來建立一個簡單應用之後，就可以使用了，我...
今天你要學習的驗證碼採用通過第三方AI平臺開放的OCR介面實現，OCR文字識別技術目前已經比較成熟了，而且第三方比較多，今天採用的是百度的。
註冊百度AI平臺
官方網址：ai.baidu.com/
接下來申請
接下來建立一個簡單應用之後，就可以使用了，我們找到
閱讀文字識別相關文件
你需要具備基本的閱讀第三方文件的能力，開啟我們需要的文件
這個頁面基本上已經把我們需要做的所有內容都已經標識清楚了
編寫獲取accesstoken的程式碼
在目前主流的API開發模式下，都是需要你進行accesstoken的獲取的
程式碼如下 ，重點需要參照文件進行傳參的設計
def get_accesstoken(self): res = requests.post(self.url.format(self.key,self.secret),headers=self.header) content = res.text if (content): return json.loads(content)["access_token"] 複製程式碼
得到accesstoken之後，你可以繼續下面的操作
import requests
import json
import base64
import urllib.request, urllib.parse
class GetCode(object):
def __init__(self):
self.url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}"
self.api = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={}"
self.header = {
"Content-Type":'application/json; charset=UTF-8'
}
self.key = "你的KEY"
self.secret = "你的SECRET"
複製程式碼
驗證碼識別階段
普通沒有干擾的驗證碼，我們直接識別即可，但是有的驗證碼還是有干擾的，在識別之前，需要對它進行基本的處理，我們採用和上篇文章類似的辦法進行，對它進行灰度處理和二值化操作。部分程式碼我直接硬編碼了，不過最終識別的效果並沒有比想象的優化多少。
def init_table(self,threshold=155):
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
return table
def opt_image(self):
im = Image.open("66.png")
im = im.convert('L')
im = im.point(self.init_table(), '1')
im.save('66_s.png')
return "66_s.png"
複製程式碼
呼叫驗證碼介面
呼叫百度的驗證碼介面，不使用百度給的模組直接編寫。按照它對應的文件，書寫即可。 在這個地方尤其注意官方文件提示
def get_file_content(self,file_path):
with open(file_path, 'rb') as fp:
base64_data = base64.b64encode(fp.read())
s = base64_data.decode()
data = {}
data['image'] = s
decoded_data = urllib.parse.urlencode(data)
return decoded_data
def show_code(self):
image = self.get_file_content(self.opt_image())
headers = {
"Content-Type":"application/x-www-form-urlencoded"
}
res = requests.post(self.api.format(self.get_accesstoken()),headers=headers,data=image)
print(res.text)
複製程式碼
通過百度模組呼叫驗證碼識別
安裝百度AI
pip install baidu-aip
安裝之後，就可以使用啦
- 宣告一些常量，你在百度建立應用之後就可以獲取
- 初始化文字識別類
- 呼叫對應的方法
參考程式碼
from aip import AipOcr
# 定義常量
APP_ID = '15736693'
API_KEY = '你的KEY'
SECRET_KEY = '你的SECRET'
# 初始化文字識別
aipOcr=AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 讀取圖片
filePath = "1.jpg"
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
# 定義引數變數
options = {
'detect_direction': 'true',
'language_type': 'CHN_ENG',
}
# 網路圖片文字文字識別介面
result = aipOcr.webImage(get_file_content(filePath),options)
print(result)
複製程式碼
編碼後記
這種通過第三方OCR技術識別驗證碼的方式，本質上和上篇文章的原理是一致的 在實測過程中發現，沒有太多幹擾線， 搜狗 ， 騰訊 ， 有道 基本表現一致
對於這種方式，學會即可~，道理都是一致的，當然你可以用Python實現一個圖片轉文字的小應用是沒有任何問題的
歡迎關注非本科程式設計師公眾賬號, 傳送 ocr 獲取原始碼
