最近、物事はかなり大変です。私はブルーブリッジカップ大会に参加しましたが、まだいくつかの証明書試験の準備をしていました。爬虫類に関するブログはしばらく保留されていました。私は自分自身について少し後退しましたが、そうではありません。ああ、実は私自身、3年生の時に、大学院入学試験を受けるのか、それともこのような新技術をまだ学んでいるのか、それともクローラーロードを続けるのか、順調かどうかはわかりませんが、考えていました。ちなみに、光がつかめません。この間、夜は一ヶ月以上かかりました。ようやくジャンゴをほぼ一回通過しました。残りは公式文書と実際のプロジェクトを操作することです。また、Djangoを学ぶ上での私の悲しい道のいくつかを具体的に記録するために、コラムを開く予定です。学習は同じです。勉強しないと、それを失うことになります。それは非常に説明がつかず、本当に奇妙です。誰かの奨学金は関係によって異なります。特定のプロジェクトの勝者は、ゼロ時間に名前を変更しただけです。。。

これに関係なく、問題ではありません。このブログには、画像検証コードを処理する2つの優れた方法、つまりBaiduのaipと最近人気のある認識muggle-ocrがカプセル化されています。
ここでは、主にBaiduについて説明します。そこにはたくさんのことがあります。ポルノ写真を識別する機能も拡張しました。興味のある人は楽しむことができます。クローラーを学んだ後、これらの写真は本当に圧倒され、無数のウェブサイトがあります。ネットネットの運用がもっと活発になり、残りは比較されないことを願っています。実際の運用を見てみましょう。

この記事では、クローラーでの検証コードの処理方法を紹介し、これらの関数をカプセル化して使用します。これには、Baidu AIPの呼び出し方法と、最新のオープンソースライブラリのマグル認識ライブラリの使用が含まれます。コレクション！

Baiduのaipインターフェイスを呼び出す方法を学びます。

1.まず、アカウントを登録する必要があります。

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

注册完成之后登入

2.プロジェクトを作成します

これらのテクノロジーでテキスト認識を見つけ、クリックしてプロジェクトを作成します

ここに写真の説明を挿入

作成後：
ここに写真の説明を挿入
写真のAppID、APIキー、シークレットキーは後で必要になります。

次に、公式ウェブサイトのドキュメントを確認するか、私が直接書いたコードを使用することができます

3.依存関係ライブラリpipinstallbaidu-aipをインストールします

これは単なるインターフェースであり、いくつかの以前の設定が必要です。

 def return_ocr_by_baidu(self, test_image):
        """
        ps: 先在__init__  函数中完成你自己的baidu_aip 的一些参数设置

        这次测试使用 高精度版本测试
                    如果速度很慢 可以换回一般版本
                    self.client.basicGeneral(image, options)
                    相关参考网址:
                    https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
        :param test_image: 待测试的文件名称
        :return:  返回这个验证码的识别效果 如果错误  可以多次调用
        """
        image = self.return_image_content(test_image=self.return_path(test_image))

        # 调用通用文字识别（高精度版）
        # self.client.basicAccurate(image)

        # 如果有可选参数 相关参数可以在上面的网址里面找到
        options = {
    
    }
        options["detect_direction"] = "true"
        options["probability"] = "true"

        # 调用
        result = self.client.basicAccurate(image, options)
        result_s = result['words_result'][0]['words']
        # 不打印关闭
        print(result_s)
        if result_s:
            return result_s.strip()
        else:
            raise Exception("The result is None , try it !")

Baiduのポルノ認識インターフェイスを拡張します。

コードを書くのは楽しいはずですが、それほど退屈なことではありませんよね？

ポルノ識別インターフェースはコンテンツレビュープロセスにあります。探してください。

呼び出しメソッドのソースコード：

# -*- 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):
    """
    这是一个调用百度内容审核的aip接口
    主要用来审核一些色情 反恐 恶心 之类的东西
    网址:  https://ai.baidu.com/ai-doc/ANTIPORN/tk3h6xgkn
    """

    def __init__(self):
        # super().__init__()
        APP_ID = '填写你的ID'
        API_KEY = '填写你的KEY'
        SECRET_KEY = '填写你的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):
        """
        继承ocr中的一些方法， 因为都是放一起的 少些一点代码
        内容审核: 关于图片中是否存在一些非法不良信息
        内容审核还可以实现文本审核 我觉得有点鸡肋  就没一起封装进去
        url: https://ai.baidu.com/ai-doc/ANTIPORN/Wk3h6xg56
        :param test_image: 待测试的图片 可以本地文件 也可以网址
        :param mode:  默认 = 0 表示 识别的本地文件   mode = 1 表示识别的图片网址连接
        :return: 返回识别结果
        """
        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)
        # 调用色情识别接口
        result = self.client.imageCensorUserDefined(filepath)

        # """ 如果图片是url调用如下 """
        # 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)

muggle_ocr認識インターフェースを学ぶ：

このパッケージは最近人気があり、使い方はとても簡単で、他の機能はあまりありません

Pip install muggle-ocr

  这个下载有点慢 最好使用手机热点
  目前镜像网站(清华/阿里)  还没有更新到这个包 因为这个包是最新的一个ocr模型

通話インターフェース

 def return_ocr_by_muggle(self, test_image, mode=1):
        """
            调用这个函数使用 muggle_ocr 来进行识别
            :param  test_image  待测试的文件名称 最好绝对路径
            :param  模型 mode = 0  即 ModelType.OCR 表示识别普通印刷文本
                  当 mode = 1 默认  即 ModelType.Captcha 表示识别4-6位简单英输验证码

            官方网站: https://pypi.org/project/muggle-ocr/
            :return: 返回这个验证码的识别结果 如果错误 可以多次调用
        """
        # 确定识别物品
        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)
            # 不打印关闭
            print(result)
            return result.strip()

パッケージのソースコード：

# -*- 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: 这个作用主要是作了一个封装 把2个常用的图片/验证码识别方式合在一起 怎么用 取决于自己
    
    接口1: muggle_ocr 
          pip install muggle-ocr 这个下载有点慢 最好使用手机热点
          目前镜像网站(清华/阿里)  还没有更新到这个包 因为这个包是最新的一个ocr模型
          
    接口2: baidu-aip
          pip install baidu-aip
          这个知道的人应该很多很多， 但是我觉得还是muggle 这个新包猛的一比
          调用方式 可以参考官网文档: 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  待识别的图片路径  如果目录很深 推荐使用绝对路径
    
"""


class MyOrc:
    def __init__(self):
        # 设置一些必要信息 使用自己百度aip的内容
        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"""
        # 确定路径
        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__  函数中完成你自己的baidu_aip 的一些参数设置

        这次测试使用 高精度版本测试
                    如果速度很慢 可以换回一般版本
                    self.client.basicGeneral(image, options)
                    相关参考网址:
                    https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
        :param test_image: 待测试的文件名称
        :return:  返回这个验证码的识别效果 如果错误  可以多次调用
        """
        image = self.return_image_content(test_image=self.return_path(test_image))

        # 调用通用文字识别（高精度版）
        # self.client.basicAccurate(image)

        # 如果有可选参数 相关参数可以在上面的网址里面找到
        options = {
    
    }
        options["detect_direction"] = "true"
        options["probability"] = "true"

        # 调用
        result = self.client.basicAccurate(image, options)
        result_s = result['words_result'][0]['words']
        # 不打印关闭
        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):
        """
            调用这个函数使用 muggle_ocr 来进行识别
            :param  test_image  待测试的文件名称 最好绝对路径
            :param  模型 mode = 0  即 ModelType.OCR 表示识别普通印刷文本
                  当 mode = 1 默认  即 ModelType.Captcha 表示识别4-6位简单英输验证码

            官方网站: https://pypi.org/project/muggle-ocr/
            :return: 返回这个验证码的识别结果 如果错误 可以多次调用
        """
        # 确定识别物品
        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)
            # 不打印关闭
            print(result)
            return result.strip()


# a = MyOrc()

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

この記事では、クローラーでの検証コードの処理方法を紹介し、これらの関数をカプセル化して使用できるようにします。これには、Baidu AIPの呼び出し方法と、最新のオープンソースライブラリのマグル認識ライブラリの使用が含まれます。コレクション！

クローラー検証コードのいくつかの処理方法がカテゴリーにカプセル化されており、ソースコードは記事の最後にあります！

目次：

Baiduのaipインターフェイスを呼び出す方法を学びます。

Baiduのポルノ認識インターフェイスを拡張します。

muggle_ocr認識インターフェースを学ぶ：

パッケージのソースコード：

おすすめ