爬虫遇到图形验证码
如题爬虫的时候，有图形验证码，request之后，原来的页面就会被刷新，即使获取到了所需的验证码的地址，也会被刷新成旧的验证码，即验证码会更新
有没有做过类似的大佬来唠唠，看看怎么解决
感谢 这种动态验证码一般用selenium，截图再识别。识别的话，
第一个方法是对图片进行处理然后识别，像去噪、二值化等（比较常用，多用于比较简单的验证码（数字/字母），越复杂识别正确率越低），
第二个方法就是利用深度学习进行训练（比较麻烦，需要大量验证码图片，训练越多，识别正确率越高），
第三个方法就是利用打码平台识别（需要花钱，识别正确率较高）。
第四个方法就是人工识别（也就是自己输验证码，当然，这比较傻）
所以对于图形验证码，看你实际情况去用什么方法，想要成功率高，要么花时间去训练，要么用打码平台。不想花钱，又没那个时间，那就放弃吧。 YunGuo 发表于 2021-3-23 00:59
这种动态验证码一般用selenium，截图再识别。识别的话，
第一个方法是对图片进行处理然后识别，像去噪、二 ...
主要是我现在有一个疑惑，我用 selenium 的话，要先 request 一遍那个页面对吧
然后我假设识别成功了，我需要再次request去登录，但是二次request的话，是不是就会出现验证码被刷新的问题
那么我之前识别出来的验证码就毫无用处了，因为已经被刷新了
有没有什么办法能在 request 之后，还保持那个会话，即我 request 登录的时候能沿用之前的会话，即验证码不发生改变 本帖最后由 YunGuo 于 2021-3-23 02:16 编辑
Daniel_Zhang 发表于 2021-3-23 01:20
主要是我现在有一个疑惑，我用 selenium 的话，要先 request 一遍那个页面对吧
然后我假设识别成功了 ...
用selenium登录一般都是这几个步骤，get登录页，找到输入框输入用户名和密码，定位验证码图片位置和大小，截取网页全图，从全图中截取验证码，识别验证码，输入验证码，提交登录，登录成功就获取cookie，失败就重复之前的步骤。
得到登录后的cookie，后续操作就可以用requests携带cookie，用session保留会话（或者全程用selenium）。全程用requests是没有办法的，就像你说的，requests请求一次页面，验证码就刷新了。
整个过程的难点不在于验证码刷新问题，而在于验证码识别问题。 YunGuo 发表于 2021-3-23 02:01
用selenium登录一般都是这几个步骤，get登录页，找到输入框输入用户名和密码，定位验证码图片位置和大 ...
嗯嗯，我先试一下
最佳会给的，稍等喔 YunGuo 发表于 2021-3-23 02:01
用selenium登录一般都是这几个步骤，get登录页，找到输入框输入用户名和密码，定位验证码图片位置和大 ...
太感谢了，总算弄好了，用的就是 selenium
我这个网页特别坑，验证码图片是直接base64的格式，得先截取下来转换成图片并保存
然后使用 pytesseract 模块识别 50 次，每输入一次识别的验证码，就提交一次
让 selenium 自动填充验证码并点击确认
验证码不正确就重新识别下一个验证码，验证码符合了就停止识别
而且我这个网页很奇怪，selenium模拟的时候，第一次提交，不论验证码是否正确，必定会 session expire，特别狗
只能先随便敲点，然后用 clear() 去清空输入
总之，感谢大佬指点{:10_275:}
只能先随便 验证码识别的功能源自于知乎的一个大佬，比较基础的一个验证码识别模块，不带训练学习{:10_254:}
https://zhuanlan.zhihu.com/p/60711252
页:
[1]