Python爬虫selenium验证-中文识别点选+图片验证码案例

1.获取图片


import re
import time
import ddddocr
import requests
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver import ActionChainsservice = Service("driver/chromedriver.exe")
driver = webdriver.Chrome(service=service)# 1.打开首页
driver.get('https://www.geetest.com/adaptive-captcha-demo')# 2.点击【文字点选验证】
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.XPATH,'//*[@id="gt-showZh-mobile"]/div/section/div/div[2]/div[1]/div[2]/div[3]/div[4]'
))
tag.click()# 3.点击开始验证
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.CLASS_NAME,'geetest_btn_click'
))
tag.click()time.sleep(5)# 要识别的目标图片
target_tag = driver.find_element(By.CLASS_NAME,'geetest_ques_back'
)
target_tag.screenshot("target.png")# 识别图片
bg_tag = driver.find_element(By.CLASS_NAME,'geetest_bg'
)
bg_tag.screenshot("bg.png")time.sleep(2000)
driver.close()

2.目标识别

截图每个字符，并基于ddddocr识别。


import re
import time
import ddddocr
import requests
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver import ActionChainsservice = Service("driver/chromedriver.exe")
driver = webdriver.Chrome(service=service)# 1.打开首页
driver.get('https://www.geetest.com/adaptive-captcha-demo')# 2.点击【滑动拼图验证】
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.XPATH,'//*[@id="gt-showZh-mobile"]/div/section/div/div[2]/div[1]/div[2]/div[3]/div[4]'
))
tag.click()# 3.点击开始验证
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.CLASS_NAME,'geetest_btn_click'
))
tag.click()# 4.等待验证码出来
time.sleep(5)# 5.识别任务图片
target_word_list = []
parent = driver.find_element(By.CLASS_NAME, 'geetest_ques_back')
tag_list = parent.find_elements(By.TAG_NAME, "img")for tag in tag_list:ocr = ddddocr.DdddOcr(show_ad=False)word = ocr.classification(tag.screenshot_as_png)target_word_list.append(word)print("要识别的文字：", target_word_list)time.sleep(2000)
driver.close()

3.背景坐标识别

3.1 ddddocr

能识别，但是发现默认识别率有点低，想要提升识别率，可以搭建Pytorch环境对模型进行训练，参考：https://github.com/sml2h3/dddd_trainer

import re
import time
import ddddocr
import requests
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver import ActionChains
from PIL import Image, ImageDraw
from io import BytesIOservice = Service("driver/chromedriver.exe")
driver = webdriver.Chrome(service=service)# 1.打开首页
driver.get('https://www.geetest.com/adaptive-captcha-demo')# 2.点击【滑动拼图验证】
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.XPATH,'//*[@id="gt-showZh-mobile"]/div/section/div/div[2]/div[1]/div[2]/div[3]/div[4]'
))
tag.click()# 3.点击开始验证
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.CLASS_NAME,'geetest_btn_click'
))
tag.click()# 4.等待验证码出来
time.sleep(5)# 5.识别任务图片
target_word_list = []
parent = driver.find_element(By.CLASS_NAME, 'geetest_ques_back')
tag_list = parent.find_elements(By.TAG_NAME, "img")
for tag in tag_list:ocr = ddddocr.DdddOcr(show_ad=False)word = ocr.classification(tag.screenshot_as_png)target_word_list.append(word)print("要识别的文字：", target_word_list)# 6.背景图片
bg_tag = driver.find_element(By.CLASS_NAME,'geetest_bg'
)
content = bg_tag.screenshot_as_png# 7.识别背景中的所有文字并获取坐标
ocr = ddddocr.DdddOcr(show_ad=False, det=True)
poses = ocr.detection(content) # [(x1, y1, x2, y2), (x1, y1, x2, y2), x1, y1, x2, y2]# 8.循环坐标中的每个文字并识别
bg_word_dict = {}
img = Image.open(BytesIO(content))for box in poses:x1, y1, x2, y2 = box# 根据坐标获取每个文字的图片corp = img.crop(box)img_byte = BytesIO()corp.save(img_byte, 'png')# 识别文字ocr2 = ddddocr.DdddOcr(show_ad=False)word = ocr2.classification(img_byte.getvalue())  # 识别率低# 获取每个字的坐标  {"鸭":}bg_word_dict[word] = [int((x1 + x2) / 2), int((y1 + y2) / 2)]print(bg_word_dict)time.sleep(1000)
driver.close()

3.2 打码平台

https://www.chaojiying.com/


import base64
import requests
from hashlib import md5file_bytes = open('5.jpg', 'rb').read()res = requests.post(url='http://upload.chaojiying.net/Upload/Processing.php',data={'user': "deng",'pass2': md5("密码".encode('utf-8')).hexdigest(),'codetype': "9501",'file_base64': base64.b64encode(file_bytes)},headers={'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}
)res_dict = res.json()
print(res_dict)
# {'err_no': 0, 'err_str': 'OK', 'pic_id': '1234612060701120002', 'pic_str': '的,86,73|粉,111,38|菜,40,49|香,198,101', 'md5': 'faac71fc832b2ead01ffb4e813f3be60'}

结合极验案例截图+识别：


import re
import time
import ddddocr
import requests
import base64
import requests
from hashlib import md5
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver import ActionChains
from PIL import Image, ImageDraw
from io import BytesIOservice = Service("driver/chromedriver.exe")
driver = webdriver.Chrome(service=service)# 1.打开首页
driver.get('https://www.geetest.com/adaptive-captcha-demo')# 2.点击【滑动拼图验证】
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.XPATH,'//*[@id="gt-showZh-mobile"]/div/section/div/div[2]/div[1]/div[2]/div[3]/div[4]'
))
tag.click()# 3.点击开始验证
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.CLASS_NAME,'geetest_btn_click'
))
tag.click()# 4.等待验证码出来
time.sleep(5)# 5.识别任务图片
target_word_list = []
parent = driver.find_element(By.CLASS_NAME, 'geetest_ques_back')
tag_list = parent.find_elements(By.TAG_NAME, "img")
for tag in tag_list:ocr = ddddocr.DdddOcr(show_ad=False)word = ocr.classification(tag.screenshot_as_png)target_word_list.append(word)print("要识别的文字：", target_word_list)# 6.背景图片
bg_tag = driver.find_element(By.CLASS_NAME,'geetest_bg'
)
content = bg_tag.screenshot_as_png
bg_tag.screenshot("bg.png")# 7.识别背景中的所有文字并获取坐标
res = requests.post(url='http://upload.chaojiying.net/Upload/Processing.php',data={'user': "deng",'pass2': md5("密码".encode('utf-8')).hexdigest(),'codetype': "9501",'file_base64': base64.b64encode(content)},headers={'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}
)res_dict = res.json()
print(res_dict)# 8.每个字的坐标  {"鸭":(196,85), ...}    target_word_list = ["花","鸭","字"]
bg_word_dict = {}
for item in res_dict["pic_str"].split("|"):word, x, y = item.split(",")bg_word_dict[word] = (x, y)print(bg_word_dict)time.sleep(1000)
driver.close()

4.坐标点击

根据坐标，在验证码上进行点击。

ActionChains(driver).move_to_element_with_offset(标签对象, xoffset=x, yoffset=y).click().perform()


import re
import time
import ddddocr
import requests
import base64
import requests
from hashlib import md5
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver import ActionChains
from PIL import Image, ImageDraw
from io import BytesIOservice = Service("driver/chromedriver.exe")
driver = webdriver.Chrome(service=service)# 1.打开首页
driver.get('https://www.geetest.com/adaptive-captcha-demo')# 2.点击【滑动拼图验证】
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.XPATH,'//*[@id="gt-showZh-mobile"]/div/section/div/div[2]/div[1]/div[2]/div[3]/div[4]'
))
tag.click()# 3.点击开始验证
tag = WebDriverWait(driver, 30, 0.5).until(lambda dv: dv.find_element(By.CLASS_NAME,'geetest_btn_click'
))
tag.click()# 4.等待验证码出来
time.sleep(5)# 5.识别任务图片
target_word_list = []
parent = driver.find_element(By.CLASS_NAME, 'geetest_ques_back')
tag_list = parent.find_elements(By.TAG_NAME, "img")
for tag in tag_list:ocr = ddddocr.DdddOcr(show_ad=False)word = ocr.classification(tag.screenshot_as_png)target_word_list.append(word)print("要识别的文字：", target_word_list)# 6.背景图片
bg_tag = driver.find_element(By.CLASS_NAME,'geetest_bg'
)
content = bg_tag.screenshot_as_png# bg_tag.screenshot("bg.png")# 7.识别背景中的所有文字并获取坐标
res = requests.post(url='http://upload.chaojiying.net/Upload/Processing.php',data={'user': "deng",'pass2': md5("自己密码".encode('utf-8')).hexdigest(),'codetype': "9501",'file_base64': base64.b64encode(content)},headers={'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}
)res_dict = res.json()bg_word_dict = {}
for item in res_dict["pic_str"].split("|"):word, x, y = item.split(",")bg_word_dict[word] = (x, y)print(bg_word_dict)
# target_word_list = ['粉', '菜', '香']
# bg_word_dict = {'粉': ('10', '10'), '菜': ('50', '50'), '香': ('100', '93')}
# 8.点击
for word in target_word_list:time.sleep(2)group = bg_word_dict.get(word)if not group:continuex, y = groupx = int(x) - int(bg_tag.size['width'] / 2)y = int(y) - int(bg_tag.size['height'] / 2)ActionChains(driver).move_to_element_with_offset(bg_tag, xoffset=x, yoffset=y).click().perform()time.sleep(1000)
driver.close()

5.图片验证码

在很多登录、注册、频繁操作等行为时，一般都会加入验证码的功能。

如果想要基于代码实现某些功能，就必须实现：自动识别验证码，然后再做其他功能。

6.识别

基于Python的模块 ddddocr 可以实现对图片验证码的识别。

pip3.11 install ddddocr==1.4.9  -i https://mirrors.aliyun.com/pypi/simple/
pip3.11 install Pillow==9.5.0

pip install ddddocr==1.4.9  -i https://mirrors.aliyun.com/pypi/simple/
pip install Pillow==9.5.0

6.1 本地识别

import ddddocrocr = ddddocr.DdddOcr(show_ad=False)
with open("img/v1.jpg", mode='rb') as f:body = f.read()
code = ocr.classification(body)
print(code)

6.2 在线识别

也可以直接请求获取图片，然后直接识别：

import ddddocr
import requestsres = requests.get(url="https://console.zbox.filez.com/captcha/create/reg?_t=1701511836608")ocr = ddddocr.DdddOcr(show_ad=False)
code = ocr.classification(res.content)
print(code)

import ddddocr
import requestsres = requests.get(url=f"https://api.ruanwen.la/api/auth/captcha?captcha_token=n5A6VXIsMiI4MTKoco0VigkZbByJbDahhRHGNJmS"
)ocr = ddddocr.DdddOcr(show_ad=False)
code = ocr.classification(res.content)
print(code)

6.3 base64

有些平台的图片是以base64编码形式存在，需要处理下在识别。

import base64
import ddddocrcontent = base64.b64decode("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")# with open('x.png', mode='wb') as f:
#     f.write(content)ocr = ddddocr.DdddOcr(show_ad=False)
code = ocr.classification(content)
print(code)

7.案例：x文街

https://i.ruanwen.la/

import requests
import ddddocr# 获得图片验证码地址
res = requests.post(url="https://api.ruanwen.la/api/auth/captcha/generate")
res_dict = res.json()captcha_token = res_dict['data']['captcha_token']
captcha_url = res_dict['data']['src']# 访问并获取图片验证码
res = requests.get(captcha_url)# 识别验证码
ocr = ddddocr.DdddOcr(show_ad=False)
code = ocr.classification(res.content)
print(code)# 登录认证
res = requests.post(url="https://api.ruanwen.la/api/auth/authenticate",json={"mobile": "手机号","device": "pc","password": "密码","captcha_token": captcha_token,"captcha": code,"identity": "advertiser"}
)print(res.json())
# {'success': True, 'message': '验证成功', 'data': {'token': 'eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.eyJpc3MiOiJodHRwczovL2FwaS5ydWFud2VuLmxhL2FwaS9hdXRoL2F1dGhlbnRpY2F0ZSIsImlhdCI6MTcwMTY1MzI2NywiZXhwIjoxNzA1MjUzMjY3LCJuYmYiOjE3MDE2NTMyNjcsImp0aSI6IjQ3bk05ejZyQ0JLV28wOEQiLCJzdWIiOjUzMzEyNTgsInBydiI6IjQxZGY4ODM0ZjFiOThmNzBlZmE2MGFhZWRlZjQyMzQxMzcwMDY5MGMifQ.XxFYMEot-DfjTUcuVuoCjcBqu3djvzJiTeJERaR95co'}, 'status': 200}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/22470.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

1.1 go环境搭建及基本使用

1.1 go环境搭建及基本使用

golang下载地址： Download and install - The Go Programming Language (google.cn) 验证安装是否成功： go version 查看go环境 go env 注意：Go1.11版本之后无需手动配置环境变量,使用go mod 管理项目，也不需要把项目放到GO…
阅读更多...
使用Ubuntu搭建Java部署环境

使用Ubuntu搭建Java部署环境

White graces：个人主页 🙉专栏推荐:Java入门知识🙉 🐹今日诗词:小舟从此逝，江海寄余生🐹 ⛳️点赞 ☀️收藏⭐️关注💬卑微小博主🙏 ⛳️点赞 ☀️收藏⭐️关注💬卑微小…
阅读更多...
从零搭建微服务项目Pro（第1-1章——Quartz实现定时任务模块）

从零搭建微服务项目Pro（第1-1章——Quartz实现定时任务模块）

前言： 在企业项目中，往往有定时任务发布的需求，比如每天晚9点将今日数据备份一次，或每月一号将上月的销售数据邮件发送给对应的工作人员。显然这些操作不可能是人工到时间点调用一次接口，需要编写专门的模块完成任务的…
阅读更多...
深蓝学院自主泊车第3次作业-IPM

深蓝学院自主泊车第3次作业-IPM

目录 1 题目介绍2 求解 1 题目介绍 已知鱼眼相机的参数， image_width，表示图像的宽度image_height，表示图像的高度 ξ \xi ξ，表示鱼眼相机参数 k 1 k_1 k1​、 k 2 k_2 k2​，表示径向相机参数 p 1 p_1 p1​、 p 2 p…
阅读更多...
中兴G7615AV5

中兴G7615AV5

参考文献： G7615AV5 光猫新版固件通过修改备份配置文件固化Telnet 中兴7615AV5光猫配置指南 前言：（不如咸鱼30远程全权搞定，花小钱办大事）截至2025年2月22号，这个设备开启Telnet只能去咸鱼找别人远程开&…
阅读更多...
记录：Docker 安装记录

记录：Docker 安装记录

今天在安装 ollama 时发现无法指定安装目录，而且它的命令行反馈内容很像 docker ，而且它下载的模型也是放在 C 盘，那么如果我 C 盘空间不足，就装不了 deepseek-r1:70b ，于是想起来之前安装 Docker 的时候也遇到过类似问…
阅读更多...
大数据学习之任务流调度系统Azkaban、Superset可视化系统

大数据学习之任务流调度系统Azkaban、Superset可视化系统

一.任务流调度系统Azkaban 1.课程介绍 2.为什么需要工作流调度系统 3.AZKABAN是什么 4.AZKABAN下载 5.制作安装包 6.tar包准备 7.MYSQL配置AZKABAN 8.配置EXECUTOR SERVER 9.配置WEBSERVER 10.单作业实战_yaml语言(今天稍晚更新) 11.单作业实战 12.多作业依赖实战 13.失败自动重…
阅读更多...
PiscTrace的开发者版

PiscTrace的开发者版

基于 PiscTrace 架构的视图处理的纯开发板，支持静态图片、实时视频流、摄像头视频流和网络视频流的处理。与 PiscTrace 应用版相比，开发者版通过直接的代码开发，提供了更高的灵活性和可定制性，适用于需要深度定制和复杂处理的应用…
阅读更多...
excel中VBA宏的使用方法？

excel中VBA宏的使用方法？

先编写宏代码：（随便新建打开一个记事本文档 或者 word文档） 然后：
阅读更多...
selenium爬取苏宁易购平台某产品的评论

selenium爬取苏宁易购平台某产品的评论

目录 selenium的介绍 1、 selenium是什么？ 2、selenium的工作原理 3、如何使用selenium？ webdriver浏览器驱动设置 关键步骤 代码 运行结果 注意事项 selenium的介绍 1、 selenium是什么？ 用于Web应用程序测试的工具。可以驱动浏览…
阅读更多...
USC安防平台之元数据检索

USC安防平台之元数据检索

平台基于深度学习技术，支持CPU和NVIDIA GPU推理，支持周界和违法行为实时分析，并存储元数据到流式视频数据库中，可以根据不同的条件搜索，从而提供更强大的安全防范策略和事后调查手段。 平台根据用户自定义规则来检测异…
阅读更多...
基于VirtualBox虚拟机部署完全分布式Hadoop环境

基于VirtualBox虚拟机部署完全分布式Hadoop环境

搭建 一、Ubuntu系统搭建 系统搭建 二、host配置 首先创建一个新用户hadoop并且分配权限，切换到hadoop用户下 成功切换 然后可以先克隆一下另一个虚拟机，为了之后的相互通信 直接点击虚拟机右键克隆即可 但是这里有一个问题，就是在…
阅读更多...
正则表达式–断言

正则表达式–断言

原文地址：正则表达式–断言 – 无敌牛 欢迎参观我的个人博客：正则表达式特殊字符 – 无敌牛 断言assertions 1、(?...)：正向预查（positive lookahead），表示某个字符串后面应该跟着什么。但这个字符串本身…
阅读更多...
【DeepSeek-R1背后的技术】系列九：MLA（Multi-Head Latent Attention，多头潜在注意力）

【DeepSeek-R1背后的技术】系列九：MLA（Multi-Head Latent Attention，多头潜在注意力）

【DeepSeek背后的技术】系列博文： 第1篇：混合专家模型（MoE） 第2篇：大模型知识蒸馏（Knowledge Distillation） 第3篇：强化学习（Reinforcement Learning, RL） 第…
阅读更多...
UE_C++ —— Gameplay Classes

UE_C++ —— Gameplay Classes

目录 一，Adding Classes 二，Class Headers Class Declaration Class Specifiers Metadata Specifiers 三，Class Implementation Class Constructor 引擎中每个游戏类都由一个类头文件（.h）和一个类源文件&#x…
阅读更多...
使用AI创建流程图和图表的 3 种简单方法

使用AI创建流程图和图表的 3 种简单方法

你可能已经尝试过使用 LLMs 生成图像，但你有没有想过用它们来创建 流程图和图表？这些可视化工具对于展示流程、工作流和系统架构至关重要。 通常，在在线工具上手动绘制图表可能会耗费大量时间。但你知道吗？你可以使用 LLMs 通过简…
阅读更多...
二叉树（中等题）

二叉树（中等题）

1、先序，中序遍历确定二叉树 105 方法一、 前提 ① 必须不能有重复元素② 只有先序＋中序和后序＋中序才能实现唯一树 思考要点： 不要想着用for循环，递归一定更好解决输入是vector，递归就得考虑传入索…
阅读更多...
蓝思科技赋能灵伴科技：AI眼镜产能与供应链双升级

蓝思科技赋能灵伴科技：AI眼镜产能与供应链双升级

2月22日，蓝思科技宣布与AI交互领军企业杭州灵伴科技（Rokid）达成深度战略合作，通过整机组装与全产业链整合，为2025年全球AI眼镜出货量爆发式增长（预计达400万-1200万台）提供核心支撑。 双方合作通…
阅读更多...
【C/C++】分隔链表 （leetcode T86）

【C/C++】分隔链表 （leetcode T86）

核心考点预览：链表 （双指针） 技巧：虚拟头结点 题目描述： 给你一个链表的头节点 head 和一个特定值 x ，请你对链表进行分隔，使得所有 小于 x 的节点都出现在 大于或等于 x 的节点之前。 你应…
阅读更多...
Lineageos 22.1(Android 15)Launcer简单调整初始化配置

Lineageos 22.1(Android 15)Launcer简单调整初始化配置

一、前言 Launcer的初始化配置主要在如下的xml文件夹下，默认读取的5x5 这里我们把device_profiles调整一下，然后新建一个default_workspace_my.xml作为我们自己的配置就行。 二、配置 注意Lineageos 的Launcer是在lineageos/packages/apps/Trebuchet…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023