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

前言

Python实战

import re
# 图片处理
from PIL import Image
# 文字识别
import pytesseract
# 浏览器自动化
from selenium import webdriver
import time

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

alert式弹出框

• alert(message)方法用于显示带有一条指定消息和一个 OK 按钮的警告框
• confirm(message)方法用于显示一个带有指定消息和 OK 及取消按钮的对话框
• prompt(text,defaultText)方法用于显示可提示用户进行输入的对话框

非传统alert式弹出框的处理

• 弹出框位于div层，跟平常定位方法一样
• 弹出框是嵌套的iframe层，需要切换iframe
• 弹出框位于嵌套的handle，需要切换窗口

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()

1. 切割截取验证码所在的图片
2. 转为灰度后二值法将有效信息转为黑，背景和干扰转为白色
3. 处理后的图片交给文字识别引擎
4. 输入返回的结果并提交

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()

img = image_obj.convert("L")  # 转灰度图
pixdata = img.load()
w, h = img.size
threshold = 205
# 遍历所有像素，大于阈值的为黑色
for y in range(h):
    for x in range(w):
        if pixdata[x, y] < threshold:
            pixdata[x, y] = 0
        else:
            pixdata[x, y] = 255

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()

result = pytesseract.image_to_string(img)
# 可能存在异常符号，用正则提取其中的数字
regex = '\d+'
result = ''.join(re.findall(regex, result))
print(result)

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')
# 最后点击确定
driver.find_element_by_xpath("//div[@class='form-group login-input'][3]").click()

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