网页爬虫 - Python 爬虫中如何处理验证码？
杜娟小乖_748 发布于 2022-10-25 09:21最近想用Python写个爬虫去抓取一些东西，但是碰到个问题，就是验证码不知道该如何处理。
现在验证码一般有两种，一种是简单的，比如下面这种纯字符型的：
另外一种就是出来一些特定字符，需要按顺序点击的：
我看有的人说可以获取浏览器cookies写到程序里就直接通过验证了，有的说这个涉及到机器学习方面的东西。由于我个人以前没接触过这方面东西，所以不知道从何处入手，想问下要处理这种验证码的话，一般该如何处理？ 有没有这方面合适的书推荐下啊……
-
应对复杂的验证码，比较高效省时的方法应是对接到打码平台，交由他们的人工处理。
2022-10-26 14:43 回答
马丁乐_449 -
最省事的方式就是把cookie拿出来写在代码里，不过cookie是有时效性的
2022-10-26 14:44 回答
蜗牛闯红灯 -
可以用一个验证码服务像是我在用的9eu。
2022-10-26 14:44 回答
斯高一耐 -
验证码就是用来反制机器和爬虫的,如果验证码能让你的自动化爬虫轻松绕过,那还能叫验证码么?楼主还是先搞清楚验证码是个怎么机制,再来看看是否真如你想象中能够轻松绕过.总而言之,除非人家网站的验证码实现有漏洞,否则你是无法绕过验证码机制的,你只能识别出验证码上的文字,比如OCR(Optical Character Recognition)技术就是用来解决这个问题的.OCR是指电子设备(如扫描仪)检查纸上打印的字符.通过检测暗/亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程.
验证码识别基本步骤:
1.预处理
2.灰度化
3.二值化
4.去噪
5.分割
6.识别总而言之,验证码识别门槛高,成本也高,避无可避.
比如下图,验证码东倒西歪,还重叠,识别起来有难度.
2022-10-26 14:44 回答
牛牛的牛66_674 -
图片一好处理，验证码就是张图片，通过图片处理可以获取验证码（ocr技术）；
图片二比较麻烦，如果用第一种方法的话，它的数字覆盖在文字上面了，在获取图片内容的时候难度比较大，第二种方法我没有什么好方法，希望有这方面经验的同学帮忙解答一下2022-10-26 14:44 回答
宣亨奭 -
有一种方案是在浏览器手动登陆然后把cookies提取出来直接在爬虫里包在请求里发出去。
2022-10-26 14:44 回答
卢启红 -
验证码问题，一可以转到专业服务商提供的API（他们用机器学习或者人工），如优优图，二是自己写验证码识别程序，提供一个项目供参考：https://github.com/luyishisi/...
2022-10-26 14:44 回答 源码时代 -
这个本身用验证码技术就是防止爬虫之类的网络程序的，我所知道的破解验证码就是用人工智能的图像识别那块，好像有类似的函数可用，但是准确率都不会太高的
2022-10-26 14:44 回答
我是小崔来啦
京公网安备 11010802041100号