带有动态验证码的 Scrapy

Question

我试图破解网站表单中的 captcha，但是这个验证码是动态的，它没有 URL 而是类似这样的东西

src="captcha?accion=image"

最好的选择是什么？我读过一些像使用中间件之类的东西。我也知道它可以用 Selenium 或 Splash 或其他浏览器驱动程序（截图）来完成，但我只想用 Scrapy 来完成，当然如果可能的话。

Answer 1

这是使用 anticaptcha and PIL.

绕过指定 captcha 的完整解决方案

由于此 captcha 的动态性，我们需要获取包含 captcha 的 img 元素的打印屏幕。为此，我们使用 save_screenshot() 和 PIL 裁剪并将 <img name="imagen"... 保存到磁盘 (captcha.png)。
然后我们将 captcha.png 提交给 anti-captcha，这将 return 解决方案，即：

from PIL import Image
from python_anticaptcha import AnticaptchaClient, ImageToTextTask
from selenium import webdriver

def get_captcha():
    captcha_fn = "captcha.png"
    element = driver.find_element_by_name("imagen") # element name containing the catcha image
    location = element.location
    size = element.size
    driver.save_screenshot("temp.png")

    x = location['x']
    y = location['y']
    w = size['width']
    h = size['height']
    width = x + w
    height = y + h

    im = Image.open('temp.png')
    im = im.crop((int(x), int(y), int(width), int(height)))
    im.save(captcha_fn)

    # request anti-captcha service to decode the captcha

    api_key = 'XXXXXXXXXXXXXXXXXXXXXXXXXX' # api key -> https://anti-captcha.com/
    captcha_fp = open(captcha_fn, 'rb')
    client = AnticaptchaClient(api_key)
    task = ImageToTextTask(captcha_fp)
    job = client.createTask(task)
    job.join()
    return job.get_captcha_text()

start_url = "YOU KNOW THE URL"
driver = webdriver.Chrome()
driver.get(start_url)
captcha = get_captcha()
print( captcha )

输出：

ifds

captcha.png

备注：

自行负责使用（聪明点）;
您可以通过正确处理异常来改进代码；
anticaptcha 是 paid service (0.5$/1000 imgs);
我不隶属于 anticaptcha。

带有动态验证码的 Scrapy

Scrapy with dynamic captcha

python

selenium

captcha

scrapy

web-scraping