python 爬虫--利用百度图片处理OCR识图API进行验证码识别，并通过python、requests进行网站信息爬取（一）

目录

 

首先注册百度账号

申请百度OCR的Api

本地识图与远程识图代码部分

---

首先注册百度账号

申请百度OCR的Api

前两个步骤自行百度申请，这里就不赘述了，谢谢！

本地识图与远程识图代码部分

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2019/4/10 17:35
# @Author  : Hanxiaoshun@天谕传说
# @Site    : 
# @File    : SpiderStationInfo.py
# @Software: PyCharm

import os
import random

from aip import AipOcr

# pip install baidu-aip

""" 你的 APPID AK SK 请自行申请"""
APP_ID = 'xxxxxx'
API_KEY = 'xxxxxxxxxxxxxxx'
SECRET_KEY = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxx'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 建立百度OCR程序调用客户端
rootBase = "./capt"
CAPT_URL = "http://xx.xx.com/validatecodeservlet.do"
#真实网站多有不便，需要详细地址的还望留言我邮箱发送，谢谢


def get_file_content(filePath):
    """
    获取本地图片文件的流
    :param filePath:
    :return:
    """
    with open(filePath, 'rb') as fp:
        return fp.read()


def localutils(rootBase):
    """
    本地图片OCR识别
    :param rootBase:
    :return:
    """
    dirs = os.listdir(rootBase)
    for filePath in dirs:
        print(filePath)
        """ 读取图片 """
        image = get_file_content(rootBase + '/' + filePath)
        result = client.basicGeneral(image)
        words = result['words_result']
        if words.__len__() > 0:
            word = words[0]
            value = word['words'].strip().replace(' ', '')
            print(value)


def remoteutils(url):
    """
    远程实时OCR识别并调用
    :param url:
    :return:
    """
    result = client.basicGeneralUrl(url)
    print(result)
    if "words_result" in result:
        words = result['words_result']
        if words.__len__() > 0:
            word = words[0]
            value = word['words'].strip().replace(' ', '')
            print(value)
            return value
        else:
            return 0
    else:
        return 0

最后说明：代码不尽完善，感觉low的话，还请不吝赐教，我当倾心学习之。