實(shí)現(xiàn)后的結(jié)果
可以看到使用我本人的用戶名和密碼登錄成功了腕侄，驗(yàn)證碼也驗(yàn)證成功了乍惊。
前因
前段時(shí)間看到了py,就準(zhǔn)備學(xué)習(xí)學(xué)習(xí)锰霜，但是學(xué)習(xí)的是py3,網(wǎng)絡(luò)上很多練手的項(xiàng)目都是py2寫的蚓挤，很多在3是跑不起來思犁，所以就自己搞了搞py3的12306自動(dòng)登錄互墓，在我前面的文章還寫了查詢某天的車票情況必尼。
為什么要寫12306呢？
首先是前面項(xiàng)目查票的前綴篡撵，其次就是在網(wǎng)絡(luò)上看到了某個(gè)學(xué)院有個(gè)老師講12306判莉，但是是收費(fèi)課程，當(dāng)時(shí)我問他育谬，能不能提示一下自動(dòng)登錄所使用到的技術(shù)券盅，但是他回答我他要講一個(gè)月才能講完，然后就沒有下文了膛檀。這個(gè)回答明顯的就是敷衍锰镀。但是我并沒有生氣，對(duì)于處在互聯(lián)網(wǎng)時(shí)代的我們咖刃，并沒有什么東西不能自己學(xué)習(xí)的（夸張了）泳炉，但是確實(shí)是很多資源都可以找到。在這里吐槽一句嚎杨，在國內(nèi)的資源問題真的很嚴(yán)重花鹅，很多人都是不愿意教別人。不知道各位有沒有遇到這種情況枫浙。
我所經(jīng)歷的事兒
在動(dòng)手做這個(gè)項(xiàng)目的時(shí)候刨肃，我了解人工智能，機(jī)器學(xué)習(xí)箩帚，深度學(xué)習(xí)(deep learning)真友，但是由于時(shí)間，個(gè)人能力的問題紧帕，目前還不打算基礎(chǔ)深度學(xué)習(xí)和機(jī)器學(xué)習(xí)盔然。但是我所做的這個(gè)項(xiàng)目又必須用到深度學(xué)習(xí)的知識(shí)，所以我選擇了google treeseract 和百度的圖像識(shí)別技術(shù)來幫助我完成這個(gè)項(xiàng)目是嗜。
第一次標(biāo)題識(shí)別使用的是google的開源項(xiàng)目愈案，但是效率很低很低，可能是中文支持問題叠纷，還有就是12306字體問題刻帚。
第二次使用百度文字識(shí)別技術(shù)，效率不錯(cuò)涩嚣，是不是給李彥宏打廣告了崇众。
然后就是識(shí)別八張小圖片的問題掂僵，該問題受到了fuck12306項(xiàng)目的幫助，在調(diào)用百度識(shí)圖接口上顷歌。目前百度的接口上傳文件應(yīng)該是有變化锰蓬。
在開發(fā)中最郁悶的就是，正在嘗試識(shí)別登錄眯漩，在有一天下午我突然發(fā)現(xiàn),mmp以前是只有一個(gè)類型（只有一個(gè)類型的選擇）芹扭，現(xiàn)在穿插了兩種出來，有可能訂書機(jī)赦抖，后面在跟一個(gè)其他的舱卡。這就讓我郁悶的很，說明我的代碼是需要更改來提高比對(duì)效率队萤。說改就改轮锥，擼起袖子就開干。
代碼那點(diǎn)事兒
現(xiàn)在聊聊代碼那點(diǎn)事兒要尔，程序猿不就是一個(gè)賣字母為生的人么舍杜？至少我就是這樣的，分享一個(gè)我遇到的事情赵辕，有個(gè)公司周六叫員工去幫忙搬一下桌子既绩，改變一個(gè)辦公室布局，這是一個(gè)小事情还惠，幫個(gè)忙而已饲握。但是那個(gè)頭說的是，周六去公司搬桌子吸重，然后下午公司聚餐互拾，沒去搬桌子的就沒有歪今，她好定位子嚎幸，這都讓人忍了，最后還要請(qǐng)假寄猩，請(qǐng)假嫉晶，驚不驚喜，意不意外田篇。毀三觀的公司替废。
好吧，我多嘴了泊柬，開始我們簡(jiǎn)單的代碼講解椎镣。
庫
- request http請(qǐng)求
- pillow 圖形處理
- baidu-aip 百度文字識(shí)別
由著三個(gè)庫搞定，還有py的庫就不說了兽赁。自帶的技能状答。
開發(fā)思路
- 下載驗(yàn)證碼圖片
- 切圖冷守，識(shí)別標(biāo)題文字
- 切圖，分別識(shí)別八張小圖片
3.1 識(shí)別內(nèi)容惊科，沒有最佳內(nèi)容再次識(shí)別相似內(nèi)容拍摇，提高對(duì)比度（自己發(fā)明的） - 進(jìn)行內(nèi)容比對(duì),找到坐標(biāo)點(diǎn)，了解過這種形式的驗(yàn)證碼的都知道這種是坐標(biāo)驗(yàn)證碼馆截，不明白的童鞋自行百度充活。
- 嘗試登陸
- 搞定
賣字母咯
語調(diào)請(qǐng)讀成安琪拉的的語調(diào)，因?yàn)槲易罱谕孓r(nóng)藥蜡娶。
對(duì)了混卵，下面的代碼都是部分代碼，完整代碼在文尾github上窖张。
下載驗(yàn)證碼
def get_picture(get_pic_url, img_code):
response = req.get(get_pic_url, headers=headers, verify=False)
response.encoding = 'utf-8'
if response.status_code == 200:
with open(img_code, "wb") as f:
f.write(response.content)
print("圖片下載成功")
return True
else:
print("圖片下載失敗淮菠，正在重試....")
get_picture(get_pic_url, img_code)
這就把驗(yàn)證碼圖片保存起來了。
識(shí)別標(biāo)題
識(shí)別標(biāo)題得說一下百度的文字識(shí)別api荤堪，這是一個(gè)百度應(yīng)用吧合陵，我上一篇簡(jiǎn)書專門講了這個(gè)，傳送門,怎么申請(qǐng)key澄阳，使用等等拥知，代碼也托管了的。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from aip import AipOcr
__author__ = "雷洪飛"
"""
利用百度圖像識(shí)別api做文字識(shí)別碎赢，目的是為了做12306的圖片校驗(yàn)低剔。
"""
# 定義常量
APP_ID = '10508877'
API_KEY = 'kpFtUgtOaxmKkNa2C0x7Q7mN'
SECRET_KEY = 'TTX5ginIXZyfGtdH8UTO4kF5M41lf3fb '
# 初始化AipFace對(duì)象
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 定義參數(shù)變量
options = {
'detect_direction': 'true',
'language_type': 'CHN_ENG',
}
class BaiDu(object):
# 獲取圖片
def get_file_content(self, file_path):
"""獲取圖片數(shù)據(jù)"""
with open(file_path, 'rb') as fp:
return fp.read()
def get_result(self, image_url):
"""
識(shí)別結(jié)構(gòu)
:return: 返回識(shí)別結(jié)果
"""
image = self.get_file_content(image_url)
return client.basicGeneral(image, options)
if __name__ == "__main__":
# 獲取圖片
baidu = BaiDu()
# 得到識(shí)別結(jié)果
result = baidu.get_result("../images/code.png")
# 輸出識(shí)別結(jié)果
print(result['words_result'][0]['words'])
完整代碼都在這里，我將他封裝成了對(duì)象肮塞，方面各個(gè)模塊的調(diào)用襟齿。
識(shí)別八張圖片內(nèi)容
這個(gè)算是比較大的工程了，需要切圖枕赵，識(shí)別猜欺，提取識(shí)別內(nèi)容，保存坐標(biāo)點(diǎn)拷窜，返回內(nèi)容...
文字走一走：
使用百度圖片搜索功能進(jìn)行識(shí)別开皿，百度有一個(gè)上傳圖片進(jìn)行百度的功能,google也有的。沒用過的趕緊去試試篮昧，這就是用到了深度學(xué)習(xí)的知識(shí)赋荆，神經(jīng)網(wǎng)絡(luò)xxx,噼里啪啦一大堆。關(guān)注人工智能的童鞋就知道Ng（吳恩達(dá)大神）以前就是在百度懊昨。
百度的識(shí)別圖片是分為兩步走：
-
需要上傳圖片或者使用圖片uri進(jìn)行識(shí)別的窄潭，所以就需要上傳，我下載了百度的源代碼分析酵颁。最后也沒上傳成功嫉你。py不行信认。所以就找了fuck12306的上傳方式來進(jìn)行上傳的。百度現(xiàn)在使用https,http兩個(gè)不同的上傳地址均抽，最后都是返回一個(gè)包含圖片地址的json格式嫁赏。我們就需要圖片地址，大小等油挥。潦蝇。
百度上傳返回結(jié)果 帶上上傳了圖片的地址，大小等信息進(jìn)行深度學(xué)習(xí)深寥。然后染回結(jié)果攘乒。
剛才上傳地地址，大小等信息就被編碼到url地址中了惋鹅。
這個(gè)接口返回的結(jié)果就是我們的所識(shí)別圖片的結(jié)果则酝，是以網(wǎng)頁的形式返回。
但是會(huì)出現(xiàn)圖片搜索不到東西的情況下闰集，那么百度javascript將會(huì)再次發(fā)送一個(gè)請(qǐng)求沽讹，查詢相似結(jié)果。
https://image.baidu.com/n/similar?queryImageUrl=http%3A%2F%2Fc.hiphotos.baidu.com%2Fimage%2Fpic%2Fitem%2Fa8014c086e061d95802389b570f40ad163d9cad2.jpg&querySign=1842048230,1720327039&word=&querytype=0&t=1513414228966&rn=60&sort=&fr=pc&pn=
這個(gè)就是返回的相似圖片的接口武鲁，返回的是json格式爽雄。
相似圖片接口內(nèi)容.png
篇幅有限，截圖就小點(diǎn)了沐鼠。
我會(huì)獲取其中的一個(gè)title屬性挚瘟。那就是我們鼠標(biāo)放到圖片上面顯示的文字。用來比對(duì)驗(yàn)證碼標(biāo)題問題的饲梭。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import requests
import urllib3
from PIL import Image, ImageFilter, ImageEnhance
from bs4 import BeautifulSoup
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
__author__ = "雷洪飛"
class RecoginitionContainer(object):
def __init__(self, base_img_url):
self.base_img_url = base_img_url
url = "http://image.baidu.com/pictureup/uploadshitu?fr=flash&fm=index&pos=upload"
headers = {
"User-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36"}
def __upload_pic__(slef, img, filex, url):
"""上傳圖片乘盖，得到圖片地址"""
img.save(slef.base_img_url + "/query_temp_img" + filex + ".png")
raw = open(slef.base_img_url + "/query_temp_img" + filex + ".png", 'rb').read()
files = {
'fileheight': "0",
'newfilesize': str(len(raw)),
'compresstime': "0",
'Filename': "image.png",
'filewidth': "0",
'filesize': str(len(raw)),
'filetype': 'image/png',
'Upload': "Submit Query",
'filedata': ("image.png", raw)
}
resp = requests.post(url, files=files, headers=slef.headers, verify=False)
redirect_url = "http://image.baidu.com" + resp.text
return redirect_url
def __get_query_content__(slef, query_url):
response = requests.get(query_url, headers=slef.headers, verify=False)
li = list()
if response.status_code == requests.codes.ok:
bs = BeautifulSoup(response.text, "html.parser")
re = bs.find_all("a", class_="guess-info-word-link guess-info-word-highlight")
for link in re:
li.append(link.get_text())
# print(link.get_text())
# 再次獲取圖中動(dòng)物可能是
te = bs.find_all("ul", class_="shituplant-tag")
for l in te:
# 得到有可能包含的數(shù)據(jù)
for child in l.children:
try:
li.append(child.get_text())
except:
pass
# 再次獲取相似圖片，其中在有一個(gè)圖片描述憔涉，進(jìn)行獲取就知道,重新掉了一個(gè)接口
# pc_search 替換成similar在搜索一次
if len(li) == 0:
once_url = query_url.replace("pc_search", "similar")
resp = requests.get(once_url, headers=slef.headers, verify=False)
js = resp.json()
#print("查找相似圖片")
for fromTitle in js['data']:
li.append(fromTitle['fromPageTitle'])
return "|".join(x for x in li)
def get_pic_content(slef, img_url):
box = (0, 41, 295, 186)
Image.open(img_url).crop(box).save(img_url)
def get_text(slef, img_url):
li = list()
ImageEnhance.Contrast(Image.open(img_url)).enhance(1.3).save(img_url)
imgs = Image.open(img_url)
imgs.filter(ImageFilter.BLUR).filter(ImageFilter.MaxFilter(23))
imgs.convert('L')
x_width, y_heigth = imgs.size
# 得到每一張圖片應(yīng)該的大小
width = x_width / 4
heigth = y_heigth / 2
for x_ in range(0, 2):
for y_ in range(0, 4):
left = y_ * width
right = (y_ + 1) * width
# 得到圖片位置
index = (x_ * 4) + y_
if x_ == 0:
box = (left, x_ * heigth + 21, right, (x_ + 1) * heigth + 21)
else:
box = (y_ * width, x_ * heigth + 21, (y_ + 1) * width, (x_ + 1) * heigth)
# 得到查詢地址
query_url = slef.__upload_pic__(imgs.crop(box), str(x_) + str(y_), slef.url)
# 進(jìn)行查詢订框，返回結(jié)果
text = slef.__get_query_content__(query_url)
# 計(jì)算坐標(biāo)
# 由于12306官方驗(yàn)證碼是驗(yàn)證正確驗(yàn)證碼的坐標(biāo)范圍,我們?nèi)∶總€(gè)驗(yàn)證碼中點(diǎn)的坐標(biāo)(大約值)
yanSol = ['35,35', '105,35', '175,35', '245,35', '35,105', '105,105', '175,105', '245,105']
# 將坐標(biāo)保存
li.append({yanSol[index]: text})
# print("識(shí)別結(jié)果:")
# print(text)
return li
if __name__ == "__main__":
img_url = "../images/code.png"
c = RecoginitionContainer("../images")
c.get_text(img_url)
閱讀代碼是小心我所使用的的切圖位置，是使用兩次循環(huán)得到的监氢。不明白的多看下就明白了布蔗。返回的坐標(biāo)點(diǎn)藤违，是進(jìn)行索引得到的浪腐。不明白的評(píng)論或仔細(xì)閱讀，都是無難度的代碼哦顿乒。
到了內(nèi)容比對(duì)咯
思路：
內(nèi)容比對(duì)三步走
第一步：整體比對(duì)
第二步：?jiǎn)蝹€(gè)字比對(duì)
第三步：去掉重復(fù)坐標(biāo)點(diǎn)（這步是放在第二步的）
第一步：從八張小圖片處可以獲取到圖片識(shí)別的結(jié)果议街，可能從百度文字識(shí)別api接口得到驗(yàn)證碼標(biāo)題。通過循環(huán)我們就可以比對(duì)了璧榄。
第二步：在小圖片或者驗(yàn)證碼標(biāo)題中我們可能識(shí)別的結(jié)果是不正確的特漩，那么我們第一步就算是半費(fèi)了吧雹，注意是半費(fèi)。那么我們就增大準(zhǔn)確性涂身，引入了第二步雄卷，單個(gè)字的進(jìn)行比對(duì)。這樣比對(duì)出來坐標(biāo)點(diǎn)就肯定很多了蛤售。注意重復(fù)丁鹉，第三步該上場(chǎng)了。
第三步：通過以上的比對(duì)悴能，我們可能得到較多的坐標(biāo)點(diǎn)揣钦，但是其中可能包含重復(fù)，我們需要去掉漠酿。
def login_get_data(url, image_code, image_title):
# 刪除images所有文件
del_file("../images")
get_picture(url, image_code)
# 由于驗(yàn)證碼難度升級(jí)冯凹，成了兩個(gè)東西，比如：本子炒嘲，訂書機(jī)這種形式宇姚，那么
# 我需要進(jìn)行兩次分割，并進(jìn)行循環(huán)判斷才可以
point = list()
result = get_title_context(image_code, image_title)
if len(result) == 0:
print("識(shí)別標(biāo)題失敗,正在重新嘗試....")
login_get_data(url, image_code, image_title)
else:
print("標(biāo)題識(shí)別結(jié)果：")
print(result)
# 對(duì)圖片內(nèi)容進(jìn)行識(shí)別
print("開始對(duì)圖片內(nèi)容進(jìn)行識(shí)別....")
c = RecoginitionContainer("../images")
# 得到了坐標(biāo)和識(shí)別出來的內(nèi)容夫凸，或者相似圖片的標(biāo)題
lists = c.get_text(image_code)
# 進(jìn)行內(nèi)容比對(duì)
print("正在進(jìn)行內(nèi)容比對(duì)......")
for li in lists:
# 得到每一個(gè)坐標(biāo)點(diǎn)和內(nèi)容
# 循環(huán)標(biāo)題空凸，進(jìn)行比對(duì)
for title_text in result:
for po, value in li.items():
if title_text in value:
# 判斷當(dāng)前坐標(biāo)點(diǎn)是否存在
if po not in point:
print("識(shí)別出一個(gè)坐標(biāo)點(diǎn)")
point.append(po)
# 再次對(duì)標(biāo)題進(jìn)行分割
for tx in title_text:
for po, value in li.items():
if tx in value:
# 判斷當(dāng)前坐標(biāo)點(diǎn)是否存在
if po not in point:
print("識(shí)別出一個(gè)坐標(biāo)點(diǎn)")
point.append(po)
# 打印出圖片的內(nèi)容
print(point)
return point
該休息了
到了這個(gè)位置為止，所有的工作都基本是做完了的寸痢。
就差驗(yàn)證結(jié)果了呀洲。在12306官網(wǎng)找到驗(yàn)證碼校驗(yàn)接口，然后封裝數(shù)據(jù)進(jìn)行提交校驗(yàn)驗(yàn)證碼啼止。
接口：https://kyfw.12306.cn/passport/captcha/captcha-check
def check_captcha(point):
# 驗(yàn)證碼地址
check_url = "https://kyfw.12306.cn/passport/captcha/captcha-check"
data = {
"answer": ",".join(point),
"login_site": "E",
"rand": "sjrand"
}
# print(data)
response = req.post(check_url, data=data,
headers=headers, verify=False)
print(response.text)
if response.status_code != 200:
return False
code = response.json()['result_code']
# 取出驗(yàn)證結(jié)果道逗，4：成功 5：驗(yàn)證失敗 7：過期,8：我猜是不是同一個(gè)session,非法請(qǐng)求。
if str(code) == '4':
return True
else:
return False
注意：
在這里來了一定要注意献烦，我們需要是同一個(gè)session,不然將返回8滓窍，一定要注意啊
這樣就校驗(yàn)了，不成功繼續(xù)請(qǐng)求驗(yàn)證碼再次識(shí)別巩那，校驗(yàn)吏夯，直到返回成功4為止。
在來一劑猛藥--登錄
這個(gè)就是非常簡(jiǎn)單簡(jiǎn)單簡(jiǎn)單.....的事情了即横。封裝數(shù)據(jù)噪生，請(qǐng)求接口，處理返回?cái)?shù)據(jù)搞定的事情东囚，直接貼代碼跺嗽。
loginUrl = "https://kyfw.12306.cn/passport/web/login"
data = {
'username': 'your account',
'password': "yours password",
'appid': 'otn'
}
result = req.post(url=loginUrl, data=data, headers=headers, verify=False)
print("登錄返回結(jié)果:")
print(result.text)
看看自己的成果
從這張圖片上看到，我們登錄成功了的。
這次是運(yùn)氣好桨嫁，一次就識(shí)別成功了植兰。有的時(shí)候很多次都不會(huì)成功。識(shí)別效率低下璃吧。期待以后的deep learning技術(shù)更好楣导。
總結(jié)下自己
需要完善異常信息。
學(xué)無止境
我發(fā)布了文章之后畜挨，又要忍不住先給自己來一顆小紅心爷辙。你們來么？朦促？膝晾？
