爬虫真的像别人说的那么强大,可以获取很多信息,帮助或者参考别人的内容,补全自己吗?实际上确实是可以实现的,但是大家不了解的是,除了被动让爬虫去爬取,很多网站都可有主动防御技能,比如,现在跟大家说的图片验证问题,爬虫必须得去解决,不然没有办法可以进行下一步,解决 *** 作如下所示:
1、先安装一个pytesseract
2、接着我们就打开一张图片,使用 pytesseract 识别。
代码如下:
captcha = Image.open("captcha1.png")result = pytesseract.image_to_string(captcha)print(result)
输出结果:没有问题。
3、我们在试试其他图片,如下所示
代码所示:
captcha = Image.open("claptcha2.png")result = pytesseract.image_to_string(captcha)print(result)
处理结果是有问题,也许是pytesseract没有办法处理噪点比较大的内容。
4、首先进行图片灰度处理
captcha = Image.open("captcha2.png")result = captcha.convert('L')result.show()
5、在进行二值化
def convert_img(img,threshold): img = img.convert("L") # 处理灰度 pixels = img.load() for x in range(img.width): for y in range(img.height): if pixels[x, y] > threshold: pixels[x, y] = 255 else: pixels[x, y] = 0 return img
6、调用一下
convert_img(captcha,150)
7、之后再跟第一个图片处理方式一样,就可以解决了哦~
好啦,一般情况下,第一种方式,几行代码就可以处理完成,还有一些情况可以调用第二种方式,如果大家还想了解更多的学习知识,点击进入python学习网即可。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)