建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
最近事情其實(shí)挺多了，打了一下藍(lán)橋杯的比賽， 還在準(zhǔn)備著一些證書(shū)的考試， 關(guān)于爬蟲(chóng)之類(lèi)的博客都擱著了一段時(shí)間了， 關(guān)于我自己確實(shí)有點(diǎn)退步了， 實(shí)屬不該， 其實(shí)我自己也是在想， 大三了，到底我是要去考研，還是依然像這樣更新?lián)Q代的學(xué)技術(shù)， 再或者， 繼續(xù)鉆爬蟲(chóng)這路子， 雖然我也不知道這路走的順不順， 自己也有點(diǎn)抓不住光明， 這段時(shí)間，大概花了一個(gè)多月的晚上吧， 終于把Django 的大致過(guò)了一次， 剩下的就是對(duì)著官方文檔和一些實(shí)際項(xiàng)目操作了， 這些我也會(huì)打算開(kāi)一個(gè)專(zhuān)欄，來(lái)專(zhuān)門(mén)記錄一下我學(xué)習(xí)Django 的一些心酸道路， 學(xué)習(xí)依舊是這樣， 你不學(xué)習(xí)，就會(huì)失去， 很是莫名其妙， 真的很奇怪， 某人的獎(jiǎng)學(xué)金是靠關(guān)系的， 某項(xiàng)目的獲獎(jiǎng)?wù)邇H僅只是臨時(shí)換了一個(gè)名字，。。。
創(chuàng)新互聯(lián)建站服務(wù)項(xiàng)目包括西寧網(wǎng)站建設(shè)、西寧網(wǎng)站制作、西寧網(wǎng)頁(yè)制作以及西寧網(wǎng)絡(luò)營(yíng)銷(xiāo)策劃等。多年來(lái)，我們專(zhuān)注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢(shì)、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，西寧網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶(hù)以成都為中心已經(jīng)輻射到西寧省份的部分城市，未來(lái)相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶(hù)的支持與信任！
不管這些了，無(wú)所謂的東西， 這邊博客，將處理圖片驗(yàn)證碼的2個(gè)比較優(yōu)秀的方式進(jìn)行了一次封裝, 分別是百度的aip 和 一個(gè)最近火起來(lái)的識(shí)別muggle-ocr
這里要主要提一下百度的aip，這里面的東西是真的多， 我還擴(kuò)展了一個(gè)識(shí)別色情圖片的函數(shù)， 有興趣的可以玩一玩， 另外 學(xué)了爬蟲(chóng)之后， 這些圖片真的是應(yīng)接不暇， 網(wǎng)站也是多的數(shù)不勝數(shù)， 希望凈網(wǎng)行動(dòng)加把勁， 剩下的就不比比了， 看實(shí)際操作吧。
本篇文章介紹了爬蟲(chóng)中驗(yàn)證碼的處理方式， 并把這些功能封裝起來(lái)，供我們使用， 涉及到百度AIP的調(diào)用方式， 以及一個(gè)最新的開(kāi)源庫(kù)muggle識(shí)別庫(kù)的使用。
目錄：
- 學(xué)會(huì)調(diào)用百度的aip接口：
- 擴(kuò)展百度的色情識(shí)別接口：
- 學(xué)會(huì)muggle_ocr 識(shí)別接口：
封裝源碼：
學(xué)會(huì)調(diào)用百度的aip接口：
- 1. 首先需要注冊(cè)一個(gè)賬號(hào)：
- https://login.bce.baidu.com/
注冊(cè)完成之后登入
2. 創(chuàng)建項(xiàng)目
在這些技術(shù)里面找到文字識(shí)別，然后點(diǎn)擊創(chuàng)建一下項(xiàng)目
創(chuàng)建完成之后：
圖片中 AppID , API key, Secret Key 這些待會(huì)是需要用的。
下一步可以查看官網(wǎng)文檔，或者直接使用我寫(xiě)的代碼
3. 安裝一下依賴(lài)庫(kù) pip install baidu-aip
這只是一個(gè)接口， 需要前面的一些設(shè)置。
- def return_ocr_by_baidu(self, test_image):
- """
- ps: 先在__init__ 函數(shù)中完成你自己的baidu_aip 的一些參數(shù)設(shè)置
- 這次測(cè)試使用 高精度版本測(cè)試
- 如果速度很慢 可以換回一般版本
- self.client.basicGeneral(image, options)
- 相關(guān)參考網(wǎng)址:
- https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
- :param test_image: 待測(cè)試的文件名稱(chēng)
- :return: 返回這個(gè)驗(yàn)證碼的識(shí)別效果 如果錯(cuò)誤 可以多次調(diào)用
- """
- image = self.return_image_content(test_image=self.return_path(test_image))
- # 調(diào)用通用文字識(shí)別（高精度版）
- # self.client.basicAccurate(image)
- # 如果有可選參數(shù) 相關(guān)參數(shù)可以在上面的網(wǎng)址里面找到
- options = {}
- options["detect_direction"] = "true"
- options["probability"] = "true"
- # 調(diào)用
- result = self.client.basicAccurate(image, options)
- result_s = result['words_result'][0]['words']
- # 不打印關(guān)閉
- print(result_s)
- if result_s:
- return result_s.strip()
- else:
- raise Exception("The result is None , try it !")
擴(kuò)展百度的色情識(shí)別接口：
我們寫(xiě)代碼肯定是要找點(diǎn)樂(lè)子的， 不可能這么枯燥無(wú)味吧?
色情識(shí)別接口在 內(nèi)容審核中， 找一下就可以了。
調(diào)用方式源碼：
- # -*- coding : utf-8 -*-
- # @Time : 2020/10/22 17:30
- # @author : 沙漏在下雨
- # @Software : PyCharm
- # @CSDN : https://me.csdn.net/qq_45906219
- from aip import AipContentCensor
- from ocr import MyOrc
- class Auditing(MyOrc):
- """
- 這是一個(gè)調(diào)用百度內(nèi)容審核的aip接口
- 主要用來(lái)審核一些色情 反恐 惡心 之類(lèi)的東西
- 網(wǎng)址: https://ai.baidu.com/ai-doc/ANTIPORN/tk3h6xgkn
- """
- def __init__(self):
- # super().__init__()
- APP_ID = '填寫(xiě)你的ID'
- API_KEY = '填寫(xiě)你的KEY'
- SECRET_KEY = '填寫(xiě)你的SECRET_KEY'
- self.client = AipContentCensor(APP_ID, API_KEY, SECRET_KEY)
- def return_path(self, test_image):
- return super().return_path(test_image)
- def return_image_content(self, test_image):
- return super().return_image_content(test_image)
- def return_Content_by_baidu_of_image(self, test_image, mode=0):
- """
- 繼承ocr中的一些方法， 因?yàn)槎际欠乓黄鸬?nbsp;少些一點(diǎn)代碼
- 內(nèi)容審核: 關(guān)于圖片中是否存在一些非法不良信息
- 內(nèi)容審核還可以實(shí)現(xiàn)文本審核 我覺(jué)得有點(diǎn)雞肋 就沒(méi)一起封裝進(jìn)去
- url: https://ai.baidu.com/ai-doc/ANTIPORN/Wk3h6xg56
- :param test_image: 待測(cè)試的圖片 可以本地文件 也可以網(wǎng)址
- :param mode: 默認(rèn) = 0 表示 識(shí)別的本地文件 mode = 1 表示識(shí)別的圖片網(wǎng)址連接
- :return: 返回識(shí)別結(jié)果
- """
- if mode == 0:
- filepath = self.return_image_content(self.return_path(test_image=test_image))
- elif mode == 1:
- filepath = test_image
- else:
- raise Exception("The mode is 0 or 1 but your mode is ", mode)
- # 調(diào)用色情識(shí)別接口
- result = self.client.imageCensorUserDefined(filepath)
- # """ 如果圖片是url調(diào)用如下 """
- # result = self.client.imageCensorUserDefined('http://www.example.com/image.jpg')
- print(result)
- return result
- a = Auditing()
- a.return_Content_by_baidu_of_image("test_image/2.jpg", mode=0)
學(xué)會(huì)muggle_ocr 識(shí)別接口：
這個(gè)包是最近火起來(lái)的， 使用起來(lái)很簡(jiǎn)單， 沒(méi)多少其他函數(shù)
- 安裝 pip install muggle-ocr 這個(gè)下載有點(diǎn)慢 最好使用手機(jī)熱點(diǎn) 目前鏡像網(wǎng)站(清華/阿里) 還沒(méi)有更新到這個(gè)包 因?yàn)檫@個(gè)包是最新的一個(gè)ocr模型 12
- 調(diào)用接口
- def return_ocr_by_muggle(self, test_image, mode=1):
- """
- 調(diào)用這個(gè)函數(shù)使用 muggle_ocr 來(lái)進(jìn)行識(shí)別
- :param test_image 待測(cè)試的文件名稱(chēng) 最好絕對(duì)路徑
- :param 模型 mode = 0 即 ModelType.OCR 表示識(shí)別普通印刷文本
- 當(dāng) mode = 1 默認(rèn) 即 ModelType.Captcha 表示識(shí)別4-6位簡(jiǎn)單英輸驗(yàn)證碼
- 官方網(wǎng)站: https://pypi.org/project/muggle-ocr/
- :return: 返回這個(gè)驗(yàn)證碼的識(shí)別結(jié)果 如果錯(cuò)誤 可以多次調(diào)用
- """
- # 確定識(shí)別物品
- if mode == 1:
- sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
- elif mode == 0:
- sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
- else:
- raise Exception("The mode is 0 or 1 , but your mode == ", mode)
- filepath = self.return_path(test_image=test_image)
- with open(filepath, 'rb') as fr:
- captcha_bytes = fr.read()
- result = sdk.predict(image_bytes=captcha_bytes)
- # 不打印關(guān)閉
- print(result)
- return result.strip()
封裝源碼：
- # -*- coding : utf-8 -*-
- # @Time : 2020/10/22 14:12
- # @author : 沙漏在下雨
- # @Software : PyCharm
- # @CSDN : https://me.csdn.net/qq_45906219
- import muggle_ocr
- import os
- from aip import AipOcr
- """
- PS: 這個(gè)作用主要是作了一個(gè)封裝 把2個(gè)常用的圖片/驗(yàn)證碼識(shí)別方式合在一起 怎么用 取決于自己
- 接口1: muggle_ocr
- pip install muggle-ocr 這個(gè)下載有點(diǎn)慢 最好使用手機(jī)熱點(diǎn)
- 目前鏡像網(wǎng)站(清華/阿里) 還沒(méi)有更新到這個(gè)包 因?yàn)檫@個(gè)包是最新的一個(gè)ocr模型
- 接口2: baidu-aip
- pip install baidu-aip
- 這個(gè)知道的人應(yīng)該很多很多， 但是我覺(jué)得還是muggle 這個(gè)新包猛的一比
- 調(diào)用方式 可以參考官網(wǎng)文檔: https://cloud.baidu.com/doc/OCR/index.html
- 或者使用我如下的方式 都是ok的
- :param image_path 待識(shí)別的圖片路徑 如果目錄很深 推薦使用絕對(duì)路徑
- """
- class MyOrc:
- def __init__(self):
- # 設(shè)置一些必要信息 使用自己百度aip的內(nèi)容
- APP_ID = '你的ID'
- API_KEY = '你的KEY'
- SECRET_KEY = '你的SECRET_KEY'
- self.client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
- def return_path(self, test_image):
- """:return abs image_path"""
- # 確定路徑
- if os.path.isabs(test_image):
- filepath = test_image
- else:
- filepath = os.path.abspath(test_image)
- return filepath
- def return_image_content(self, test_image):
- """:return the image content """
- with open(test_image, 'rb') as fr:
- return fr.read()
- def return_ocr_by_baidu(self, test_image):
- """
- ps: 先在__init__ 函數(shù)中完成你自己的baidu_aip 的一些參數(shù)設(shè)置
- 這次測(cè)試使用 高精度版本測(cè)試
- 如果速度很慢 可以換回一般版本
- self.client.basicGeneral(image, options)
- 相關(guān)參考網(wǎng)址:
- https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
- :param test_image: 待測(cè)試的文件名稱(chēng)
- :return: 返回這個(gè)驗(yàn)證碼的識(shí)別效果 如果錯(cuò)誤 可以多次調(diào)用
- """
- image = self.return_image_content(test_image=self.return_path(test_image))
- # 調(diào)用通用文字識(shí)別（高精度版）
- # self.client.basicAccurate(image)
- # 如果有可選參數(shù) 相關(guān)參數(shù)可以在上面的網(wǎng)址里面找到
- options = {}
- options["detect_direction"] = "true"
- options["probability"] = "true"
- # 調(diào)用
- result = self.client.basicAccurate(image, options)
- result_s = result['words_result'][0]['words']
- # 不打印關(guān)閉
- print(result_s)
- if result_s:
- return result_s.strip()
- else:
- raise Exception("The result is None , try it !")
- def return_ocr_by_muggle(self, test_image, mode=1):
- """
- 調(diào)用這個(gè)函數(shù)使用 muggle_ocr 來(lái)進(jìn)行識(shí)別
- :param test_image 待測(cè)試的文件名稱(chēng) 最好絕對(duì)路徑
- :param 模型 mode = 0 即 ModelType.OCR 表示識(shí)別普通印刷文本
- 當(dāng) mode = 1 默認(rèn) 即 ModelType.Captcha 表示識(shí)別4-6位簡(jiǎn)單英輸驗(yàn)證碼
- 官方網(wǎng)站: https://pypi.org/project/muggle-ocr/
- :return: 返回這個(gè)驗(yàn)證碼的識(shí)別結(jié)果 如果錯(cuò)誤 可以多次調(diào)用
- """
- # 確定識(shí)別物品
- if mode == 1:
- sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
- elif mode == 0:
- sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
- else:
- raise Exception("The mode is 0 or 1 , but your mode == ", mode)
- filepath = self.return_path(test_image=test_image)
- with open(filepath, 'rb') as fr:
- captcha_bytes = fr.read()
- result = sdk.predict(image_bytes=captcha_bytes)
- # 不打印關(guān)閉
- print(result)
- return result.strip()
- # a = MyOrc()
- # a.return_ocr_by_baidu(test_image='test_image/digit_img_1.png')
本文標(biāo)題：Python爬蟲(chóng)遇到驗(yàn)證碼的幾種處理方式，文章末尾有源碼
新聞來(lái)源：http://www.dlmjj.cn/article/djspige.html
