點擊上方“早起Python”，關注并“星標”

每日接收Python干貨！

本文含?3321?字，9代碼片段建議閱讀?8?分鐘

前言

在我們寫爬蟲的過程中，目標網站常見的干擾手段就是設置驗證碼等，本就將基于Selenium實戰講解如何處理彈窗和驗證碼，爬取的目標網站為某儀器預約平臺

可以看到登錄所需的驗證碼構成比較簡單，是彩色的標準數字配合簡單的背景干擾

因此這里的驗證碼識別不需要借助人工智能的手段，可直接利用二值法對圖片處理后交給谷歌的識別引擎tesseract-OCR即可獲得圖中的數字。

注：selenium?和?tesseract?的配置讀者可自行搜索，本文不做介紹)

Python實戰

首先導入所需模塊

import?re
#?圖片處理
from?PIL?import?Image
#?文字識別
import?pytesseract
#?瀏覽器自動化
from?selenium?import?webdriver
import?time

解決彈出框問題

先嘗試打開示例網站

url?=?'http://lims.gzzoc.com/client'
driver?=?webdriver.Chrome()
driver.get(url)
time.sleep(30)

有趣的地方出現了，網站顯示了一個我們前面沒有看到的彈窗，簡單說一下彈窗的知識點，初學者可以將彈出框簡單分為alert和非alert

alert式彈出框

• alert(message)方法用于顯示帶有一條指定消息和一個 OK 按鈕的警告框
• confirm(message)方法用于顯示一個帶有指定消息和 OK 及取消按鈕的對話框
• prompt(text,defaultText)方法用于顯示可提示用戶進行輸入的對話框

看一下這個彈出框的js是怎么寫的：

看起來似乎是alert式彈出框，那么直接用driver.switch_to.alert嗎？先不急

非傳統alert式彈出框的處理

• 彈出框位于div層，跟平常定位方法一樣
• 彈出框是嵌套的iframe層，需要切換iframe
• 彈出框位于嵌套的handle，需要切換窗口

所以我們對這個彈出框進行元素審查

所以問題實際上很簡單，直接定位按鈕并點擊即可

url?=?'http://lims.gzzoc.com/client'

driver?=?webdriver.Chrome()
driver.get(url)
time.sleep(1)
driver.maximize_window()?#?最大化窗口
driver.find_element_by_xpath("//div[@class='jconfirm-buttons']/button").click()

獲取圖片位置并截圖

二值法處理驗證碼的簡單思路如下：

切割截取驗證碼所在的圖片

轉為灰度后二值法將有效信息轉為黑，背景和干擾轉為白色

處理后的圖片交給文字識別引擎

輸入返回的結果并提交

切割截取驗證碼的圖片進一步思考解決策略：首先獲取網頁上圖片的css屬性，根據size和location算出圖片的坐標；然后截屏；最后用這個坐標進一步去處理截屏即可(由于驗證碼js的特殊性，不能簡單獲取img的href后下載圖片后讀取識別，會導致前后不匹配)

img?=?driver.find_element_by_xpath('//img[@id="valiCode"]')
time.sleep(1)
location?=?img.location
size?=?img.size
#?left?=?location['x']
#?top?=?location['y']
#?right?=?left?+?size['width']
#?bottom?=?top?+?size['height']
left?=?2?*?location['x']
top?=?2?*?location['y']
right?=?left?+?2?*?size['width']?-?10
bottom?=?top?+?2?*?size['height']?-?10
driver.save_screenshot('valicode.png')
page_snap_obj?=?Image.open('valicode.png')
image_obj?=?page_snap_obj.crop((left,?top,?right,?bottom))
image_obj.show()

正常情況下直接使用注釋的四行代碼即可，但不同的電腦不同的瀏覽器，縮放倍率存在差異，因此如果截取出的圖存在偏差這需要考慮乘上倍率系數。最后可以再加減數值進行微調

可以看到圖片這成功截取出來了！

驗證碼圖片的進一步處理

這個閾值需要具體用Photoshop或者其他工具嘗試，即找到一個像素閾值能夠將灰度圖片中真實數據和背景干擾分開，本例經測試閾值為205

img?=?image_obj.convert("L")??#?轉灰度圖
pixdata?=?img.load()
w,?h?=?img.size
threshold?=?205
#?遍歷所有像素，大于閾值的為黑色
for?y?in?range(h):
????for?x?in?range(w):
????????if?pixdata[x,?y]?????????????pixdata[x,?y]?=?0
????????else:
????????????pixdata[x,?y]?=?255

根據像素二值結果重新生成圖片

data?=?img.getdata()
w,?h?=?img.size
black_point?=?0
for?x?in?range(1,?w?-?1):
????for?y?in?range(1,?h?-?1):
????????mid_pixel?=?data[w?*?y?+?x]
????????if?mid_pixel?50:
????????????top_pixel?=?data[w?*?(y?-?1)?+?x]
????????????left_pixel?=?data[w?*?y?+?(x?-?1)]
????????????down_pixel?=?data[w?*?(y?+?1)?+?x]
????????????right_pixel?=?data[w?*?y?+?(x?+?1)]
????????????if?top_pixel?10:
????????????????black_point?+=?1
????????????if?left_pixel?10:
????????????????black_point?+=?1
????????????if?down_pixel?10:
????????????????black_point?+=?1
????????????if?right_pixel?10:
????????????????black_point?+=?1
????????????if?black_point?1:
????????????????img.putpixel((x,?y),?255)
????????????black_point?=?0
img.show()

圖像處理前后對比如下

文字識別

將處理后的圖片就給谷歌的文字識別引擎就能完成識別

result?=?pytesseract.image_to_string(img)
#?可能存在異常符號，用正則提取其中的數字
regex?=?'\d+'
result?=?''.join(re.findall(regex,?result))
print(result)

識別結果如下

提交賬號密碼、驗證碼等信息

在處理完驗證碼之后，現在我們就可以向網站提交賬號密碼、驗證碼等登陸所需信息

driver.find_element_by_name('code').send_keys(result)
driver.find_element_by_name('userName').send_keys('xxx')
driver.find_element_by_name('password').send_keys('xxx')
#?最后點擊確定
driver.find_element_by_xpath("//div[@class='form-group?login-input'][3]").click()

需要注意的是，二值法識別驗證碼成功率不是100%，因此需要考慮到驗證碼識別錯誤，需要單擊圖片更換驗證碼重新識別，可以將上述代碼拆解成多個函數后，用如下循環框架試錯

while?True:
????try:
????????...
????????break
????except:
????????driver.find_element_by_id('valiCode').click()

為了方便理解，代碼的書寫沒有以函數形式呈現，歡迎讀者自行嘗試修改！

小結

成功登錄后就可以獲得個人的cookies，接下來可以繼續用selenium進行瀏覽器自動化或者把cookies傳給requests，后面就能爬取需要的信息做分析或者實現一些自動化功能，但由于涉及到的爬蟲知識點比較多，我們會在后續的爬蟲專題文章中進行分享！

往期精選(?猛戳可查看)

10行Python代碼竟能實現這些騷操作

Python隨機森林預測實戰

今日干貨已送達又學到一招點擊下方三連簽收?收到收到

總結

以上是生活随笔為你收集整理的ant4 多个form 验证_爬虫遇到头疼的验证码？Python实战讲解弹窗处理和验证码识别...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。