网页爬虫 - Python 爬虫中如何处理验证码？

Question

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……

Answer 1

これ自体は、クローラーなどのネットワークプログラムを防ぐために認証コード技術を使用しています。私が知っているのは、人工知能の画像認識を使用することです。しかし、精度はあまり高くありません。

Answer 2

検証コードの問題については、まず、Youyoutu などの専門サービス プロバイダー (機械学習または人工知能を使用) が提供する API を利用できます。次に、独自の検証コード認識プログラムを作成し、参照用のプロジェクトを提供します。 : https://github.com/luyishisi/...

Answer 3

1 つの解決策は、ブラウザに手動でログインし、Cookie を抽出してクローラー リクエストに直接含めて送信することです。

Answer 4

画像 1 は処理が簡単で、認証コードは単なる画像であり、画像処理 (ocr 技術) によって認証コードを取得できます。
画像 2 は、最初の方法を使用すると、その番号が重ねて表示されます。 2番目の方法は難しいので、この分野の経験のある学生が答えてくれると嬉しいです。

Answer 5

検証コードはマシンやクローラに対抗するために使用されます。検証コードが自動クローラによって簡単に回避できる場合でも、作成者はまず検証コードのメカニズムを調べてから行う必要があります。つまり、他の Web サイトの検証コードの実装に抜け穴がない限り、検証コードのテキストを認識することしかできません。この問題を解決するために使用されるのが OCR (光学式文字認識) 技術です。 OCR とは、電子デバイス (スキャナーなど) が紙に印刷された文字を検査し、暗さを検出してその形状を判断するプロセスを指します。 /light パターンを作成し、文字認識方法を使用して形状をコンピューター テキストに変換します

検証コード認識の基本手順:
1. 前処理
2. 2 値化
4. ノイズ除去
6.
要するに認証コードの識別閾値が高くてコストが高いので仕方ないのですが
例えば下の写真では認証コードが千鳥状に重なっていて識別が困難です

。

Answer 6

私が使用している9euのような認証コードサービスを使用できます。

Answer 7

最も簡単な方法は、Cookie を取り出してコードに書き込むことですが、Cookie は時間に敏感です

Answer 8

複雑な検証コードを処理するには、コーディング プラットフォームに接続して手動で処理する方が効率的で時間を節約できる方法です。