Python + Selenium（二十三）使用百度文字識別API識別驗證碼

上一節我們講到驗證碼，通過圖像識別的方式可以識別簡單的驗證碼，所以識別對我們的意義不是特別大。

不過我單獨開這一節來講，也算是擴充一些知識面，同時也可以練習一下關於 requests 的一些用法。對接口測試的理解也有很大的好處。

首先我們需要註冊百度開發者平臺，並且認證。看這裏

註冊好以後，創建應用並勾選文字識別服務（其實都可以勾起來玩一玩），文字識別服務分了幾種，有完全免費的“通用文字識別”，每天有 5W 次的訪問許可，但是識別準確性較低。

還有一種是“通用文字識別（高精度版）”識別率更高，每天有 500 次免費調用，超出收費。免費的也夠用了。這裏用高精度版來演示。

要使用這類的開放 API 一定要閱讀相關的接口調用文檔和示例代碼（如果你沒有興趣閱讀，可以直接使用我貼出的代碼，不過我建議你依然應該好好閱讀一下）。好在 Python 是很流行的語言，所以基本上都有關於 Python 的調用示例。不過很多時候用的都是 urllib 系列的庫而非 requests。

通用文字識別過程：

1. 使用創建應用分配的 APP_ID、SECRET_KEY 獲取 access_token
2. 打開本地圖片或者提供網絡圖片的地址
3. 如果是本地圖片，需要對圖片的二進制數據進行 base64 編碼
4. 對 base64 編碼後的數據，需要進行 urlencode 編碼，編碼格式爲{'image': base64數據}
5. 訪問 API 地址，以 url 參數形式傳遞 access_token， 以消息體的方式傳遞編碼後的圖片數據
6. 獲取識別後的圖片文字

我使用 requests 對其調用示例代碼改造了一下：

import requests
from urllib.parse import urlencode
import base64


APP_ID = ''  # 填寫你的appid
SECRET_KEY = ''  # 填寫你的密鑰

TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'

OCR_URL = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic'

ACCURATE_URL = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic'

def fetch_token():
    '''
    獲取 API 調用需要的 access_token
    :params:
    :return: 返回 access_token 字符串
    '''
    data = {
        'grant_type': 'client_credentials',
        'client_id': APP_ID,
        'client_secret': SECRET_KEY
    }
    r = requests.post(TOKEN_URL, data=data)
    if 'access_token' in r.json():
        return r.json().get('access_token')
    else:
        print('請檢查獲取access_token的URL, APP_ID, SECRET_KEY!')

def ocr_b64(b64):
    '''
    傳入base64編碼格式的圖片數據，識別圖片中的文字
    :params: base64編碼格式的圖片數據
    :return: 返回識別後的文字字符串
    '''
    access_token = fetch_token() # 獲取 token
    if access_token:
        payload = {'access_token': access_token}    # token通過url參數傳遞
        data = urlencode({'image': b64})  # 對傳入的base64編碼格式的圖片數據進行urlencode編碼
        r = requests.post(ACCURATE_URL, data=data, params=payload)
        r.encoding = 'utf-8'
        if 'words_result' in r.json():
            return r.json().get('words_result')[0].get('words') # 這裏可以直接返回 r.json() 在後續代碼取值
        else: 
            print('圖片識別失敗，請根據返回編碼檢查錯誤，https://ai.baidu.com/docs#/OCR-API-ErrorCode/top')
            print(r.text)

def ocr_file(image):
    '''
    傳入圖片路徑，識別圖片中的文字
    :params: 圖片路徑
    :return: 返回識別後的文字字符串
    '''
    with open(image, 'rb') as f:
        data = base64.b64encode(f.read())
    return ocr_b64(data)

if __name__ == "__main__":
    print(ocr_file('./2886.png'))

上面代碼實現了兩個函數：

• fetch_token() 用於獲取調用 API 需要的 access_token，該 token 需要在調用時通過參數傳遞。
• ocr_b64(b64) 中傳入 base64 編碼格式的數據，並通過 requests 庫將編碼後的 base64 數據傳遞給文字識別 API，並從獲取到的返回結果中提取識別後的字符串。
• ocr_file(image) 中傳入圖片，並通過 requests 庫將圖片傳遞給文字識別 API，並從獲取到的返回結果中提取識別後的字符串。

你只需要修改上面代碼中的常量APP_ID和SECRET_KEY，這些都是從百度開發者平臺中創建應用後可以得到。

好，接下來我們以 showdoc 系統爲例，演示如何通過識別驗證碼實現登錄。你可以選擇 showdoc 的在線版來練習。

需要以下步驟完成驗證碼識別並登錄：

1. 打開 showdoc 登錄頁面
2. 獲取 驗證碼 圖片，這裏直接獲取該元素截圖的 base64 編碼
3. 調用 ocr_b64() 函數識別驗證碼
4. 輸入登錄賬號、密碼及驗證碼
5. 點擊登錄
6. 如果驗證碼錯誤，則循環這個過程（驗證碼識別錯誤，就刷新頁面重來）直到登錄成功爲止

from selenium import webdriver
import time
driver = webdriver.Chrome()
driver.get('https://www.showdoc.cc/user/login')

while True:
    driver.find_element_by_css_selector('[placeholder="用戶名/郵箱"]').send_keys('nemo')
    driver.find_element_by_css_selector('[placeholder="密碼"]').send_keys('123456')
    v_code = ocr_b64(driver.find_element_by_class_name('v_code_img').screenshot_as_base64)  # => 識別驗證碼
    driver.find_element_by_css_selector('[placeholder="驗證碼"]').send_keys(v_code)
    driver.find_element_by_xpath('//button/*[text()="登錄"]').click()
    time.sleep(0.5)
    try:
    	# 如果彈出框出現，則說明驗證碼錯誤 
        driver.find_element_by_css_selector(
            '.el-message-box .el-button--primary').click()
        # 刷新頁面
        driver.refresh()
    except:
    	# 如果彈出框不出現，則說明驗證碼正確
        break
time.sleep(5)
driver.quit()