最近事情其實挺多了，打了一下藍橋杯的比賽，還在準備著一些證書的考試，關于爬蟲之類的博客都擱著了一段時間了，關于我自己確實有點退步了，實屬不該，其實我自己也是在想，大三了，到底我是要去考研，還是依然像這樣更新換代的學技術，再或者，繼續鉆爬蟲這路子，雖然我也不知道這路走的順不順，自己也有點抓不住光明，這段時間，大概花了一個多月的晚上吧，終于把Django 的大致過了一次，剩下的就是對著官方檔案和一些實際專案操作了，這些我也會打算開一個專欄，來專門記錄一下我學習Django 的一些心酸道路，學習依舊是這樣，你不學習，就會失去，很是莫名其妙，真的很奇怪，某人的獎學金是靠關系的，某專案的獲獎者僅僅只是零時換了一個名字，，，，

不管這些了，無所謂的東西，這邊博客，將處理圖片驗證碼的2個比較優秀的方式進行了一次封裝, 分別是百度的aip 和一個最近火起來的識別muggle-ocr
這里要主要提一下百度的aip，這里面的東西是真的多，我還擴展了一個識別色情圖片的函式，有興趣的可以玩一玩，另外學了爬蟲之后，這些圖片真的是應接不暇，網站也是多的數不勝數，希望凈網行動加把勁，剩下的就不比比了，看實際操作吧，

本篇文章介紹了爬蟲中驗證碼的處理方式，并把這些功能封裝起來，供我們使用，涉及到百度AIP的呼叫方式，以及一個最新的開源庫muggle識別庫的使用，歡迎閱讀，點贊，收藏！

博主其他文章, 歡迎閱讀！

學會呼叫百度的aip介面：

1. 首先需要注冊一個賬號：

https://login.bce.baidu.com/

注冊完成之后登入

2. 創建專案

在這些技術里面找到文字識別，然后點擊創建一下專案

在這里插入圖片描述

創建完成之后：
在這里插入圖片描述
圖片中 AppID , API key, Secret Key 這些待會是需要用的，

下一步可以查看官網檔案，或者直接使用我寫的代碼

3. 安裝一下依賴庫 pip install baidu-aip

這只是一個介面，需要前面的一些設定，

 def return_ocr_by_baidu(self, test_image):
        """
        ps: 先在__init__  函式中完成你自己的baidu_aip 的一些引數設定

        這次測驗使用 高精度版本測驗
                    如果速度很慢 可以換回一般版本
                    self.client.basicGeneral(image, options)
                    相關參考網址:
                    https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
        :param test_image: 待測驗的檔案名稱
        :return:  回傳這個驗證碼的識別效果 如果錯誤  可以多次呼叫
        """
        image = self.return_image_content(test_image=self.return_path(test_image))

        # 呼叫通用文字識別（高精度版）
        # self.client.basicAccurate(image)

        # 如果有可選引數 相關引數可以在上面的網址里面找到
        options = {}
        options["detect_direction"] = "true"
        options["probability"] = "true"

        # 呼叫
        result = self.client.basicAccurate(image, options)
        result_s = result['words_result'][0]['words']
        # 不列印關閉
        print(result_s)
        if result_s:
            return result_s.strip()
        else:
            raise Exception("The result is None , try it !")

擴展百度的色情識別介面：

我們寫代碼肯定是要找點樂子的，不可能這么枯燥無味吧？

色情識別介面在內容審核中，找一下就可以了，

呼叫方式原始碼：

# -*- coding :  utf-8 -*-
# @Time      :  2020/10/22  17:30
# @author    :  沙漏在下雨
# @Software  :  PyCharm
# @CSDN      :  https://me.csdn.net/qq_45906219

from aip import AipContentCensor
from ocr import MyOrc


class Auditing(MyOrc):
    """
    這是一個呼叫百度內容審核的aip介面
    主要用來審核一些色情 反恐 惡心 之類的東西
    網址:  https://ai.baidu.com/ai-doc/ANTIPORN/tk3h6xgkn
    """

    def __init__(self):
        # super().__init__()
        APP_ID = '填寫你的ID'
        API_KEY = '填寫你的KEY'
        SECRET_KEY = '填寫你的SECRET_KEY'

        self.client = AipContentCensor(APP_ID, API_KEY, SECRET_KEY)

    def return_path(self, test_image):
        return super().return_path(test_image)

    def return_image_content(self, test_image):
        return super().return_image_content(test_image)

    def return_Content_by_baidu_of_image(self, test_image, mode=0):
        """
        繼承ocr中的一些方法， 因為都是放一起的 少些一點代碼
        內容審核: 關于圖片中是否存在一些非法不良資訊
        內容審核還可以實作文本審核 我覺得有點雞肋  就沒一起封裝進去
        url: https://ai.baidu.com/ai-doc/ANTIPORN/Wk3h6xg56
        :param test_image: 待測驗的圖片 可以本地檔案 也可以網址
        :param mode:  默認 = 0 表示 識別的本地檔案   mode = 1 表示識別的圖片網址連接
        :return: 回傳識別結果
        """
        if mode == 0:
            filepath = self.return_image_content(self.return_path(test_image=test_image))
        elif mode == 1:
            filepath = test_image
        else:
            raise Exception("The mode is 0 or 1 but your mode is ", mode)
        # 呼叫色情識別介面
        result = self.client.imageCensorUserDefined(filepath)

        # """ 如果圖片是url呼叫如下 """
        # result = self.client.imageCensorUserDefined('http://www.example.com/image.jpg')
        print(result)
        return result


a = Auditing()
a.return_Content_by_baidu_of_image("test_image/2.jpg", mode=0)

學會muggle_ocr 識別介面：

這個包是最近火起來的，使用起來很簡單，沒多少其他函式

安裝 pip install muggle-ocr

  這個下載有點慢 最好使用手機熱點
  目前鏡像網站(清華/阿里)  還沒有更新到這個包 因為這個包是最新的一個ocr模型

呼叫介面

 def return_ocr_by_muggle(self, test_image, mode=1):
        """
            呼叫這個函式使用 muggle_ocr 來進行識別
            :param  test_image  待測驗的檔案名稱 最好絕對路徑
            :param  模型 mode = 0  即 ModelType.OCR 表示識別普通印刷文本
                  當 mode = 1 默認  即 ModelType.Captcha 表示識別4-6位簡單英輸驗證碼

            官方網站: https://pypi.org/project/muggle-ocr/
            :return: 回傳這個驗證碼的識別結果 如果錯誤 可以多次呼叫
        """
        # 確定識別物品
        if mode == 1:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
        elif mode == 0:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
        else:
            raise Exception("The mode is 0 or 1 , but your mode  == ", mode)

        filepath = self.return_path(test_image=test_image)

        with open(filepath, 'rb') as fr:
            captcha_bytes = fr.read()
            result = sdk.predict(image_bytes=captcha_bytes)
            # 不列印關閉
            print(result)
            return result.strip()

封裝原始碼：

# -*- coding :  utf-8 -*-
# @Time      :  2020/10/22  14:12
# @author    :  沙漏在下雨
# @Software  :  PyCharm
# @CSDN      :  https://me.csdn.net/qq_45906219

import muggle_ocr
import os
from aip import AipOcr

"""
    PS: 這個作用主要是作了一個封裝 把2個常用的圖片/驗證碼識別方式合在一起 怎么用 取決于自己
    
    介面1: muggle_ocr 
          pip install muggle-ocr 這個下載有點慢 最好使用手機熱點
          目前鏡像網站(清華/阿里)  還沒有更新到這個包 因為這個包是最新的一個ocr模型
          
    介面2: baidu-aip
          pip install baidu-aip
          這個知道的人應該很多很多， 但是我覺得還是muggle 這個新包猛的一比
          呼叫方式 可以參考官網檔案: https://cloud.baidu.com/doc/OCR/index.html
          或者使用我如下的方式  都是ok的
    :param image_path  待識別的圖片路徑  如果目錄很深 推薦使用絕對路徑
    
"""


class MyOrc:
    def __init__(self):
        # 設定一些必要資訊 使用自己百度aip的內容
        APP_ID = '你的ID'
        API_KEY = '你的KEY'
        SECRET_KEY = '你的SECRET_KEY'

        self.client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

    def return_path(self, test_image):

        """:return abs image_path"""
        # 確定路徑
        if os.path.isabs(test_image):
            filepath = test_image
        else:
            filepath = os.path.abspath(test_image)
        return filepath

    def return_image_content(self, test_image):
        """:return the image content """
        with open(test_image, 'rb') as fr:
            return fr.read()

    def return_ocr_by_baidu(self, test_image):
        """
        ps: 先在__init__  函式中完成你自己的baidu_aip 的一些引數設定

        這次測驗使用 高精度版本測驗
                    如果速度很慢 可以換回一般版本
                    self.client.basicGeneral(image, options)
                    相關參考網址:
                    https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
        :param test_image: 待測驗的檔案名稱
        :return:  回傳這個驗證碼的識別效果 如果錯誤  可以多次呼叫
        """
        image = self.return_image_content(test_image=self.return_path(test_image))

        # 呼叫通用文字識別（高精度版）
        # self.client.basicAccurate(image)

        # 如果有可選引數 相關引數可以在上面的網址里面找到
        options = {}
        options["detect_direction"] = "true"
        options["probability"] = "true"

        # 呼叫
        result = self.client.basicAccurate(image, options)
        result_s = result['words_result'][0]['words']
        # 不列印關閉
        print(result_s)
        if result_s:
            return result_s.strip()
        else:
            raise Exception("The result is None , try it !")

    def return_ocr_by_muggle(self, test_image, mode=1):
        """
            呼叫這個函式使用 muggle_ocr 來進行識別
            :param  test_image  待測驗的檔案名稱 最好絕對路徑
            :param  模型 mode = 0  即 ModelType.OCR 表示識別普通印刷文本
                  當 mode = 1 默認  即 ModelType.Captcha 表示識別4-6位簡單英輸驗證碼

            官方網站: https://pypi.org/project/muggle-ocr/
            :return: 回傳這個驗證碼的識別結果 如果錯誤 可以多次呼叫
        """
        # 確定識別物品
        if mode == 1:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
        elif mode == 0:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
        else:
            raise Exception("The mode is 0 or 1 , but your mode  == ", mode)

        filepath = self.return_path(test_image=test_image)

        with open(filepath, 'rb') as fr:
            captcha_bytes = fr.read()
            result = sdk.predict(image_bytes=captcha_bytes)
            # 不列印關閉
            print(result)
            return result.strip()


# a = MyOrc()

# a.return_ocr_by_baidu(test_image='test_image/digit_img_1.png')

本篇文章介紹了爬蟲中驗證碼的處理方式，并把這些功能封裝起來，供我們使用，涉及到百度AIP的呼叫方式，以及一個最新的開源庫muggle識別庫的使用，歡迎閱讀，點贊，收藏！

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/190220.html

標籤：python

上一篇：ACCV2020細粒度比賽記錄-資料處理和Baseline結果分享

下一篇：16-Python3-高價函式-提升效率必備

爬蟲驗證碼的幾種處理方式，已封裝成類，文章末尾有原始碼！

目錄：

學會呼叫百度的aip介面：

擴展百度的色情識別介面：

學會muggle_ocr 識別介面：

封裝原始碼：