1.項目需求描述
通過訂單號獲取某系統內訂單的詳細數據，不需要賬號密碼的登錄驗證，但有圖片驗證碼的動態識別，將獲取到的數據存到數據庫。
2.整體思路
1.通過Selenium技術，無窗口模式打開瀏覽器
2.在輸入框中動態輸入訂單號
3.將圖片驗證碼截圖保存到本地
4.通過Tesseract-OCR技術去本地識別驗證碼轉化為文字
5.將獲取的驗證碼輸入輸入框
6.點擊查詢獲取列表數據
3.功能實現
1.下載并安裝Google瀏覽器，安裝Google驅動chromedriver.exe，獲取安裝路徑，配置在項目中
2.使用Selenium進行瀏覽器操作
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
|
System.setProperty(瀏覽器驅動, 瀏覽器驅動安裝位置);ChromeOptions options = new ChromeOptions();options.addArguments("--headless"); // 無窗口模式options.addArguments("--disable-infobars"); // 禁言消息條options.addArguments("--disable-extensions"); // 禁用插件options.addArguments("--disable-gpu"); // 禁用GPUoptions.addArguments("--no-sandbox"); // 禁用沙盒模式options.addArguments("--disable-dev-shm-usage");options.addArguments("--hide-scrollbars"); // 隱藏滾動條WebDriver driver = new ChromeDriver(options);driver.get(爬取網站URL);driver.manage().window().setSize(new Dimension(450, 260)); // 設置游覽器打開后調整大小try { // 保存IMG圖片到本地 saveImgToLocal(driver); Thread.sleep(2000); // OCR智能識別驗證碼 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); // 獲取table數據 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("驗證碼識別成功！"); } catch (Exception e) { if (e.toString().contains("錯誤提示：驗證碼錯誤或已過期！")) { log.error("驗證碼識別錯誤！" + e.toString()); } else if (e.toString().contains("錯誤提示：請輸入驗證碼！")) { log.error("未輸入驗證碼！：" + e.toString()); } else { log.error("其他異常：" + e.toString()); } } } driver.quit();} catch (Exception e) { e.printStackTrace();} |
3.將圖片驗證碼截圖保存到本地（截屏法）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
private void saveImgToLocal(WebDriver driver) { WebElement element = driver.findElement(By.id(img元素ID)); //創建全屏截圖 WrapsDriver wrapsDriver = (WrapsDriver) element; File screen = ((TakesScreenshot) wrapsDriver.getWrappedDriver()).getScreenshotAs(OutputType.FILE); try { BufferedImage image = ImageIO.read(screen); //創建一個矩形使用上面的高度，和寬度 Point p = element.getLocation(); //元素坐標 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.將圖片驗證碼保存到本地（鼠標法）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
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); //釋放向下鍵，不然在此之前的條目將起作用 robot.keyRelease(KeyEvent.VK_DOWN); Thread.sleep(1000); //運行保存 Runtime.getRuntime().exec(SAVE_IMG_EXE); Thread.sleep(10000); } catch (Exception e) { e.printStackTrace(); }} |
5.對本地驗證碼進行OCR識別
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
private String getCodeByOCR() { String result = null; File file = new File(本地圖片地址); if (!file.exists()) { if (systemFalg != 1) { file.setWritable(true, false); } file.mkdirs(); } File imageFile = new File(本地圖片地址 + "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("解析的驗證碼為:{}", result != null ? result : "為空！"); } catch (Exception e) { e.printStackTrace(); log.error("解析驗證碼異常！"); } } else { log.error("解析驗證碼的文件不存在！"); } return result;} |
綜上，該網頁的數據就可以獲取了。
到此這篇關于Selenium+Tesseract-OCR智能識別驗證碼爬取網頁數據的實例的文章就介紹到這了,更多相關Selenium+Tesseract-OCR智能識別驗證碼爬取 內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://www.cnblogs.com/zhaohadoopone/p/15338813.html
