第十七天-反爬与反反爬-验证码识别

目录

反爬虫介绍

基于身份识别反爬和解决思路

Headers反爬-使用User-agent

Headers反爬-使用coookie字段

Headers反爬-使用Referer字段

基于参数反爬

验证码反爬

1.验证码介绍

2.验证码分类：

3.验证码作用

4.处理方案

5.图片识别引擎:ocr

6.使用打码平台

基于爬虫行为和解决思路

反爬虫介绍

1. 限制爬虫程序访问服务器资源和获取数据的行为

2.限制手段：请求限制，拒绝响应，客户端身份验证，文本混淆，和动态渲染技术等

3.反爬虫的分类：

        1. 身份识别反爬虫：验证请求头信息，验证请求参数，使用验证码等；

        2.爬虫行为反爬虫：对ip进行限制，使用蜜罐获取ip，假数据等；

        3.数据加密反爬虫：自定义字体，数据图片，编码格式等；

4.爬虫与反爬虫的-攻与防

基于身份识别反爬和解决思路

Headers反爬-使用User-agent

Headers反爬-使用coookie字段

Headers反爬-使用Referer字段

基于参数反爬

验证码反爬

1.验证码介绍

2.验证码分类：

3.验证码作用

4.处理方案

5.图片识别引擎:ocr

安装：

• windows下载地址：https://digi.bib.uni-mannheim.de/tesseract/
• 下载最后一个最新的

• 安装python模块：

pip install pillow #一个python图形处理库

pip install pytesseract #pytesseract依赖

#引入pillow和 pytesseract

from PIL import Image

import pytesseract

• ocr识别

# coding:utf-8

from PIL import Image
import pytesseract

#打开图片
img=Image.open("身份证.jpg")
#查看图片
img.show()

#调用引擎识别
#tesseract安装位置
pytesseract.pytesseract.tesseract_cmd=r"C:\Program Files\Tesseract-OCR\tesseract.exe"
text=pytesseract.image_to_string("身份证.jpg")
print(text)

6.使用打码平台

1. 如超级鹰等

2. 点选验证码验证：见资源：yanzhengma.zip

3.滑动验证码：见资源 ： yanzhengma.zip

基于爬虫行为和解决思路