Python3.7爬虫：实时api(百度ai)检测验证码模拟登录(Selenium)页面

    今天有同学提出了一个需求，老板让自动登录这个页面：https://www.dianxiaomi.com/index.htm，毫无疑问登录页面基本都会有在线验证码，要破解这个验证码当然不是啥难事，诚然可以自己去训练模型，然而大量的训练集测试数据还得自己去打码，说白了，不值当，有现成的接口可以用，何乐而不为，于是我们向万恶的百度伸出了魔爪。

    首先申请百度api开发平台：https://cloud.baidu.com/

    随后在人工智能-》文字识别 模块里建立一个应用

    

        建立成功后，会分配给你一个key和secret

        

    只不过这个接口免费版的每秒最多只能请求两次，一天有500次的请求机会

    这里推荐使用高精度的接口，普通的识别率太差了

    

    第一步，获取access_token

res = requests.get("https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=你的key&client_secret=你的秘钥")

res = json.loads(str(res.text))
token = res['access_token']

     然后请求高精度识别接口，需要注意一点，这里图片需要转换成base64编码

temp_url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic?access_token=' + token
temp_headers = {'Content-Type': 'application/x-www-form-urlencoded'}
temp_file = open('./test.png', 'rb')
temp_image = temp_file.read()
temp_file.close()
temp_data = {'image': base64.b64encode(temp_image)}
temp_data = urllib.parse.urlencode(temp_data)
temp_res = requests.post(url=temp_url, data=temp_data, headers=temp_headers)

res = json.loads(str(temp_res.text))
code = res['words_result'][0]['words']

     百度接口会将识别出的验证码文字返回给你，当然了有一定误差是在所难免的

    

    现在验证码识别已经搞定，问题的关键是，每次打开页面的时候，怎么将图片传给百度接口

    其实很简单，我们可以考虑使用selenium自动化工具来截图，selenium是可以根据选择器做局部截图的

nodes = driver.find_element_by_id('loginImgVcode')
nodes.screenshot('test.png')

    

    

    虽然可以截图，但是其实发现有东西干扰了验证码图片

    原来是旁边讨厌的广告挡住了验证码，这样的干扰会让识别产生误差

    

    其实这些html标签是可以移除的，使用selenium运行js代码来删除这些干扰元素

#删除元素
js = "var elem = document.getElementsByClassName('dnf');elem[0].parentNode.removeChild(elem[0]);"
driver.execute_script(js)

js = "var elem = document.getElementsByClassName('qqshow');elem[0].parentNode.removeChild(elem[0]);"
driver.execute_script(js)

js = "var elem = document.getElementsByClassName('QR');elem[0].parentNode.removeChild(elem[0]);"
driver.execute_script(js)

     再截图一次，看到已经干净了很多

 

    这里还有个技巧，可以提高百度api的识别准确度，就是利用opencv对验证码图片进行降噪去色的操作。

    首先安装opencv

pip3 install opencv-python

    然后对原图进行去色处理

import cv2

img = cv2.imread('./code.png', cv2.IMREAD_GRAYSCALE)
print("cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)结果如下：")
print('大小：{}'.format(img.shape))
print("类型：%s"%type(img))
print(img)

cv2.imwrite('code1.png', img)

    去色降噪后的效果是这样的，可以提高识别成功率

    当然了，灰度处理可能有时候还不能达到标准，也可以进一步进行二值化处理：

import cv2
import matplotlib.pyplot as plt
img = cv2.imread("/Users/liuyue/Downloads/code.png")
img2 = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
img2 = cv2.inRange(img2, lowerb=160, upperb=255)
plt.subplot(121), plt.imshow(img)  # 原始图片
plt.subplot(122), plt.imshow(img2)  # 降噪图片
plt.show()

    selenium驱动下载地址：http://npm.taobao.org/mirrors/chromedriver/

    剩下的就很简单了，直接利用selenium输入账号密码以及验证码就可以自动登录，非常轻松，完整代码如下：

import requests
import json
import base64
import urllib
from selenium import webdriver
import time


#selenium 截图
driver = webdriver.Chrome()
driver.get('https://www.dianxiaomi.com/index.htm')
time.sleep(1)

#删除元素
js = "var elem = document.getElementsByClassName('dnf');elem[0].parentNode.removeChild(elem[0]);"
driver.execute_script(js)

js = "var elem = document.getElementsByClassName('qqshow');elem[0].parentNode.removeChild(elem[0]);"
driver.execute_script(js)

js = "var elem = document.getElementsByClassName('QR');elem[0].parentNode.removeChild(elem[0]);"
driver.execute_script(js)


nodes = driver.find_element_by_id('loginImgVcode')
nodes.screenshot('test.png')

#用户名 exampleInputName exampleInputPassword

driver.find_element_by_id('exampleInputName').send_keys('18231327142')

driver.find_element_by_id('exampleInputPassword').send_keys('密码')


#请求百度api接口

res = requests.get("https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=你的key&client_secret=你的秘钥")

res = json.loads(str(res.text))
token = res['access_token']

temp_url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic?access_token=' + token
temp_headers = {'Content-Type': 'application/x-www-form-urlencoded'}
temp_file = open('./test.png', 'rb')
temp_image = temp_file.read()
temp_file.close()
temp_data = {'image': base64.b64encode(temp_image)}
temp_data = urllib.parse.urlencode(temp_data)
temp_res = requests.post(url=temp_url, data=temp_data, headers=temp_headers)

res = json.loads(str(temp_res.text))
print(res)
code = res['words_result'][0]['words']


driver.find_element_by_id('loginVerifyCode').send_keys(code.strip().replace(' ',''))

#登录按钮
driver.find_element_by_id('loginBtn').click()

time.sleep(10)

driver.close()