这篇文章将为大家详细讲解有关如何使用Selenium+Tesseract-OCR智能识别验证码爬取网页数据，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
通过订单号获取某系统内订单的详细数据，不需要账号密码的登录验证，但有图片验证码的动态识别，将获取到的数据存到数据库。
1.通过Selenium技术，无窗口模式打开浏览器
2.在输入框中动态输入订单号
3.将图片验证码截图保存到本地
4.通过Tesseract-OCR技术去本地识别验证码转化为文字
5.将获取的验证码输入输入框
6.点击查询获取列表数据
1.下载并安装Google浏览器，安装Google驱动chromedriver.exe，获取安装路径，配置在项目中
2.使用Selenium进行浏览器操作
计算
安全
数据库
网络和加速
企业服务
System.setProperty(浏览器驱动, 浏览器驱动安装位置);
ChromeOptions options = new ChromeOptions();
options.addArguments("--headless"); // 无窗口模式
options.addArguments("--disable-infobars"); // 禁言消息条
options.addArguments("--disable-extensions"); // 禁用插件
options.addArguments("--disable-gpu"); // 禁用GPU
options.addArguments("--no-sandbox"); // 禁用沙盒模式
options.addArguments("--disable-dev-shm-usage");
options.addArguments("--hide-scrollbars"); // 隐藏滚动条
WebDriver driver = new ChromeDriver(options);
driver.get(爬取网站URL);
driver.manage().window().setSize(new Dimension(450, 260)); // 设置游览器打开后调整大小
try {
// 保存IMG图片到本地
saveImgToLocal(driver);
Thread.sleep(2000);
// OCR智能识别验证码
String codeByOCR = getCodeByOCR();
if (codeByOCR != null) {
try {
WebElement input1 = driver.findElement(By.id(TEXTBOX1));
input1.sendKeys(code);
WebElement input2 = driver.findElement(By.id(TEXTBOX2));
input2.sendKeys(codeByOCR);
// 获取table数据
WebElement addButton = driver.findElement(By.id(SELECT_BUTTON));
addButton.click();
List<WebElement> tRCollection = driver.findElement(By.id(TABLE_ID)).findElements(By.tagName("tr"));
for (int t = 1; t < tRCollection.size(); t++) {
List<WebElement> tDCollection = tRCollection.get(t).findElements(By.tagName("td"));
VipLogisticsMinHangDetailVo minHangDetailVo = new VipLogisticsMinHangDetailVo();
minHangDetailVo.setLogistics_number(code);
for (int i = 0; i < tDCollection.size(); i++) {
String text = tDCollection.get(i).getText();
switch (i) {
case 0:
minHangDetailVo.setTime(text);
case 1:
minHangDetailVo.setOutlet(text);
case 2:
minHangDetailVo.setOrganization(text);
case 3:
minHangDetailVo.setEvent(text);
case 4:
minHangDetailVo.setDetail(text);
}
}
list.add(minHangDetailVo);
}
log.info("验证码识别成功！");
} catch (Exception e) {
if (e.toString().contains("错误提示：验证码错误或已过期！")) {
log.error("验证码识别错误！" + e.toString());
} else if (e.toString().contains("错误提示：请输入验证码！")) {
log.error("未输入验证码！：" + e.toString());
} else {
log.error("其他异常：" + e.toString());
}
}
}
driver.quit();
} catch (Exception e) {
e.printStackTrace();
}3.将图片验证码截图保存到本地（截屏法）
private void saveImgToLocal(WebDriver driver) {
WebElement element = driver.findElement(By.id(img元素ID));
//创建全屏截图
WrapsDriver wrapsDriver = (WrapsDriver) element;
File screen = ((TakesScreenshot) wrapsDriver.getWrappedDriver()).getScreenshotAs(OutputType.FILE);
try {
BufferedImage image = ImageIO.read(screen);
//创建一个矩形使用上面的高度，和宽度
Point p = element.getLocation();
//元素坐标
BufferedImage img = image.getSubimage(p.getX(), p.getY(), element.getSize().getWidth(), element.getSize().getHeight());
ImageIO.write(img, "png", screen);
FileUtils.copyFile(screen, new File(保存本地地址 + "imgname.png"));
} catch (IOException e) {
e.printStackTrace();
}
}4.将图片验证码保存到本地（鼠标法）
private static void saveImgToLocal1(WebDriver driver) {
Actions action = new Actions(driver);
action.contextClick(driver.findElement(By.id(img元素ID))).build().perform();
try {
Robot robot = new Robot();
Thread.sleep(1000);
robot.keyPress(KeyEvent.VK_DOWN);
Thread.sleep(1000);
robot.keyPress(KeyEvent.VK_DOWN);
Thread.sleep(1000);
robot.keyPress(KeyEvent.VK_ENTER);
Thread.sleep(1000);
//释放向下键，不然在此之前的条目将起作用
robot.keyRelease(KeyEvent.VK_DOWN);
Thread.sleep(1000);
//运行保存
Runtime.getRuntime().exec(SAVE_IMG_EXE);
Thread.sleep(10000);
} catch (Exception e) {
e.printStackTrace();
}
}5.对本地验证码进行OCR识别
private String getCodeByOCR() {
String result = null;
File file = new File(本地图片地址);
if (!file.exists()) {
if (systemFalg != 1) {
file.setWritable(true, false);
}
file.mkdirs();
}
File imageFile = new File(本地图片地址 + "imgname.png");
if (imageFile.exists()) {
ITesseract instance = new Tesseract();
instance.setDatapath(tessdata存放地址);
try {
String doOCR = instance.doOCR(imageFile);
result = replaceBlank(doOCR);
log.info("解析的验证码为:{}", result != null ? result : "为空！");
} catch (Exception e) {
e.printStackTrace();
log.error("解析验证码异常！");
}
} else {
log.error("解析验证码的文件不存在！");
}
return result;
}关于“如何使用Selenium+Tesseract-OCR智能识别验证码爬取网页数据”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
