当前位置：首页 > news >正文

selenium和pytessarct提取古诗文网的验证码（python爬虫）

news 来源：原创 2025/5/7 11:15:06

代码实现的主要功能：

浏览器自动化控制
验证码图像获取与处理
OCR验证码识别
表单自动填写与提交
登录状态验证
异常处理与资源清理

1. 浏览器初始化与页面加载

driver = webdriver.Chrome()
driver.get("https://www.gushiwen.cn/user/login.aspx?from=http://www.gushiwen.cn/user/collect.aspx")
time.sleep(2)

功能：启动Chrome浏览器并打开古诗文网登录页面
关键点：
- webdriver.Chrome() 初始化浏览器驱动
- time.sleep(2) 确保页面完全加载（实际建议改用 WebDriverWait）

2.验证码捕获与预处理

code_img = driver.find_element(By.ID, 'imgCode')
img_bytes = code_img.screenshot_as_png
image = Image.open(io.BytesIO(img_bytes))
image = image.convert('L')  # 灰度化

功能：获取验证码图像并优化识别条件
关键点：
- screenshot_as_png 直接获取二进制图像数据
- convert('L') 将彩色图转为灰度图，提升OCR准确率
- 注释掉的二值化代码可用于高对比度验证码

3. OCR验证码识别

custom_config = r'--psm 7 --oem 3 -c tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ'
textcode = pytesseract.image_to_string(image, config=custom_config)
textcode = textcode.strip().replace(' ', '')[:4]

功能：通过Tesseract引擎识别验证码文本
关键参数：
- --psm 7：单行文本识别模式
- --oem 3：默认OCR引擎
- tessedit_char_whitelist：限定识别字符集
数据处理：去除空格并截取前4位字符

4. 登录表单操作

driver.find_element(By.ID, 'email').send_keys("2833622025@qq.com")
driver.find_element(By.ID, 'pwd').send_keys("ckn12138")
driver.find_element(By.ID, 'code').send_keys(textcode)
driver.find_element(By.ID, 'denglu').click()

功能：自动填写并提交登录表单
元素定位：
- 通过HTML元素的ID定位各输入框
- denglu 是登录按钮的ID

5. 登录结果验证

if "退出登录" in driver.page_source:print("登录成功！")html = driver.page_source
else:print("登录失败，请检查账号或验证码！")

验证逻辑：检查页面是否出现"退出登录"文本
成功操作：获取登录后的页面源码
失败处理：输出错误提示

6. 异常处理与资源释放

except Exception as e:print("程序运行出错:", str(e))
finally:driver.quit()

异常捕获：打印任何运行时错误
资源清理：确保浏览器最终关闭

典型执行流程

打开浏览器 → 导航到登录页
定位验证码 → 图像预处理 → OCR识别
自动填写账号/密码/验证码 → 点击登录
检查登录结果 → 输出页面源码或错误信息
无论成功与否都关闭浏览器

具体代码展示

from selenium import webdriver
from selenium.webdriver.common.by import By
from PIL import Image
import pytesseract
import io
import time# 初始化浏览器
driver = webdriver.Chrome()
driver.get("https://www.gushiwen.cn/user/login.aspx?from=http://www.gushiwen.cn/user/collect.aspx")# 等待页面加载
time.sleep(2)try:# 获取验证码元素code_img = driver.find_element(By.ID, 'imgCode')# 将验证码截图保存到内存img_bytes = code_img.screenshot_as_pngimage = Image.open(io.BytesIO(img_bytes))# 图像预处理（提高识别率）image = image.convert('L')  # 灰度化# image = image.point(lambda x: 0 if x < 128 else 255, '1')  # 二值化（根据需要启用）# 识别验证码custom_config = r'--psm 7 --oem 3 -c tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ'textcode = pytesseract.image_to_string(image, config=custom_config)textcode = textcode.strip().replace(' ', '')[:4]  # 清理结果并取前4位print("识别的验证码:", textcode)if len(textcode) == 4:# 填写登录信息driver.find_element(By.ID, 'email').send_keys("2833622025@qq.com")driver.find_element(By.ID, 'pwd').send_keys("ckn12138")driver.find_element(By.ID, 'code').send_keys(textcode)driver.find_element(By.ID, 'denglu').click()# 等待登录完成time.sleep(3)# 验证登录是否成功if "退出登录" in driver.page_source:print("登录成功！")# 获取登录后的页面内容html = driver.page_sourceprint(html)else:print("登录失败，请检查账号或验证码！")else:print("验证码识别失败或长度不正确")except Exception as e:print("程序运行出错:", str(e))finally:# 关闭浏览器driver.quit()

但是这个代码识别出来的验证码不准确最好用超级鹰识别方式再识别一遍~

运行结果：

会自己填充账号密码之后

之后关闭浏览器

识别成功运行结果因为验证码形式简单比较好识别：

识别失败：

网页会显示验证码错误！

selenium和pytessarct提取古诗文网的验证码（python爬虫）

代码实现的主要功能： 浏览器自动化控制验证码图像获取与处理 OCR验证码识别表单自动填写与提交登录状态验证异常处理与资源清理 1. 浏览器初始化与页面加载 driver webdriver.Chrome() driver.get("https://www.gushiwen.cn/user/login.aspx?fro…...

编程日记 2025/5/7 11:15:06

封装可拖动弹窗(vue jquery引入到html的版本)

vue cli上简单的功能，在js上太难弄了，这个弹窗功能时常用到，保存起来备用吧备注：deepseek这个人工智障写一堆有问题的我，还老服务器繁忙效果图： html代码： <div class"modal-mask&qu…...

编程日记 2025/5/6 20:02:23

JavaScript重难点突破：期约与异步函数

同步和异步同步（Synchronous） 定义：任务按顺序依次执行，前一个任务完成前，后续任务必须等待。特点：阻塞性执行，程序逻辑直观，但效率较低异步（Asynchron…...

编程日记 2025/5/7 10:16:13

Spring事务的传播机制

目录 Spring 中事务的实现编程式事务(了解即可)：声明式事务(利用注解自动开启和提交事务)：事务回滚注意事项： Spring 事务传播机制：1.Propagation.REQUIRED：7.Propagation.NESTED：Propagation.NESTED和1.Pr…...

编程日记 2025/5/7 10:39:16

LlamaIndex实现RAG增强:融合检索(Fusion Retrieval)与混合检索（Hybrid Search）

🧠 向所有学习者致敬！ “学习不是装满一桶水，而是点燃一把火。” —— 叶芝我的博客主页： https://lizheng.blog.csdn.net 🌐 欢迎点击加入AI人工智能社区！ 🚀 让我们一起努力，共创…...

编程日记 2025/5/6 13:46:55

【接口重复请求】axios通过AbortController解决页面切换过快，接口重复请求问题

处理网络请求时，我们经常会遇到需要中途取消请求的情况，比如用户在两个tab之间反复横跳的场景，如果每个接口都从头请求到结束，那必然会造成很大的服务压力。 AbortController是一个Web API，它提供了一个信号对象&…...

编程日记 2025/5/6 19:56:25

GitHub与Gitee各是什么？它们的区别与联系是什么？

李升伟整理 GitHub 介绍 GitHub 是一个基于 Git 的代码托管平台，主要用于版本控制和协作开发。它支持多人协作，提供代码托管、问题跟踪、代码审查、项目管理等功能。GitHub 是全球最大的开源社区，许多知名开源项目都在此托管。主要功能&…...

编程日记 2025/5/7 10:15:10

OpenCV图像形态学：原理、操作与应用详解

一、引言图像形态学（Image Morphology）是图像处理领域的一个重要分支，它基于集合论、格论、拓扑学和随机函数理论，主要用于分析和处理图像的几何结构。形态学操作通过特定的结构元素（Structuring Element）…...

编程日记 2025/5/7 1:17:32

ubuntu git cola gui

直接的方法， samba， win 里用 tortoiseSVN 需要先在命令行，运行 git 命令，看到操作提示， 按照提示做然后右键看 git diff 其它的方法 linux下可视化git工具git-cola安装与使用（HTTP方式）_git…...

编程日记 2025/5/7 10:37:13

RTX5080 安装torch，torchvision ,torchaudio 指南

一、前置准备 5080 显卡是sm120 架构，只有torch的preview版本可以使用，而且该版本仅支持cuda12.8. 请你放弃下载以及使用低版本cuda cudnn torch 的想法。请你学习conda 创建环境，激活环境，在虚拟环境里使用pip ，…...

编程日记 2025/5/7 10:48:41

ubuntu开发mcu环境

# 编辑 vim或者vscode # 编译 arm-none-eabi # 烧写 openocd 若是默认安装，会在/usr/share/openocd/scripts/{interface,target} 有配置接口和目标版配置示例： openocd -f interface/stlink-v2.cfg -f target/stm32f1x.cfg 启动后，会…...

编程日记 2025/5/7 3:52:33

《UNIX网络编程卷1：套接字联网API》第5章 TCP客户服务器程序示例

《UNIX网络编程卷1：套接字联网API》第5章 TCP客户/服务器程序示例 5.1 本章目标与示例程序概述本章通过一个完整的TCP回射（Echo）客户/服务器程序，深入解析TCP套接字编程的核心流程与关键问题。示例程序的功能为：客户…...

编程日记 2025/5/7 10:33:40

花洒洗澡完毕并关闭后过段时间会突然滴水的原因探究

洗澡完毕后的残留水在洗澡的过程中，我们通常会使用到大量的水。这些水会通过花洒管子到达花洒顶喷流出。由于大顶喷花洒的喷头较大，关闭后里面的存水会更多。气压失衡后的滴水当花洒关闭后，内部的水管和花洒头中仍存有一定量的水。由于…...

编程日记 2025/5/3 3:56:53

子组件使用:visible.sync=“visible“进行双向的绑定导致该弹窗与其他弹窗同时显示的问题

问题描述：最近写代码时遇到了一个问题：点击A弹窗后关闭，继续点击B弹窗，这时会同时弹窗A、B两个弹窗。经过排查后发现在子组件定义时使用了:visible.sync"visible"属性进行双向的数据绑定 <template> <el-dial…...

编程日记 2025/5/7 10:31:01

TTL 值 | 在 IP 协议、ping 工具及 DNS 解析中的作用

注：本文为 “TTL” 相关文章合辑。未整理去重。如有内容异常，请看原文。 TTL 值的意义 2007-10-18 11:33:17 TTL 是 IP 协议包中的一个值，用于标识网络路由器是否应丢弃在网络中停留时间过长的数据包。数据包可能因多种原因在一定时间内…...

编程日记 2025/5/7 10:18:57

代码调试：VS调试实操

1.什么是BUG？ BUG原意是“虫子”，在计算机领域是指未被发现的错误，又叫程序漏洞 2.什么是调试？ 当你在写完代码时需要去找代码中的问题，这个过程就叫调试我们必须承认有这个问题并且去修复问题，可以透…...

编程日记 2025/5/3 3:59:10

IGMP（Internet Group Management Protocol）与组播技术深度解析

一、组播技术核心概念 1. 组播 vs 单播/广播传输类型目标地址网络负载典型应用场景单播单一明确IP随接收者数量线性增长网页浏览、文件下载广播全网段（如255.255.255.255）强制全网设备处理ARP请求、DHCP发现组播D类地址（224.0.0.0~239.255…...

编程日记 2025/5/3 4:00:00

JWT(JSON Web Token)

目录一 JWT简单介绍二、JWT 的组成结构 1 Header（头部） 2 Payload（载荷） 三、JWT 工作原理好文分享 session、cookie、token 详解_token session cookie-CSDN博客一 JWT简单介绍概念：是一种开放标准&#…...

编程日记 2025/5/7 10:36:03

深入理解多线程编程：从基础概念到实战应用

二进制信号量：线程同步的基础什么是二进制信号量？ 二进制信号量是一种特殊的信号量，其值只能是0或1。它是最简单的线程同步机制之一，常用于线程间的简单协调。 #include <semaphore.h>sem_t sem; // 声明二进制信号量 se…...

编程日记 2025/5/4 18:36:13

【STM32设计】基于STM32的智能门禁管理系统（指纹+密码+刷卡+蜂鸣器报警）（代码+资料+论文）

本课题为基于单片机的智能门禁系统，整个系统由AS608指纹识别模块，矩阵键盘，STM32F103单片机，OLED液晶，RFID识别模块，继电器，蜂鸣器等构成，在使用时，用户可以录入新的指纹…...

编程日记 2025/5/7 10:42:56

【MVP 和 MVVM 相比 MVC 有哪些优化点？】

MVP 和 MVVM 相比 MVC 的优化及原因 1. MVC 的痛点在传统 MVC 模式中： 视图（View）和模型（Model）直接交互：View 可能直接监听 Model 的变化（如观察者模式），导致耦合。…...

编程日记 2025/5/6 1:29:35

蓝桥云客刷题统计

刷题统计问题描述小明决定从下周一开始努力刷题准备蓝桥杯竞赛。他计划周一至周五每天做 a 道题目，周六和周日每天做 b 道题目。请你帮小明计算，按照计划他将在第几天实现做题数大于等于 n 题？ 输入格式输入一行包含三个整数 a, b 和 …...

编程日记 2025/5/7 10:01:57

【28BYJ-48】STM32同时驱动4个步进电机，支持调速与正反转

资料下载：待更新。。。。先驱动起来再说，干中学！！！ 1、实现功能 STM32同时驱动4个步进电机，支持单独调速与正反转控制需要资源：16个任意IO口1ms定时器中断目录资料下载：待更…...

编程日记 2025/5/7 10:28:17

【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【代码篇】A题解题全流程（持续更新）

【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【代码篇】A题解题全流程（持续更新） 环境配置： 显存>24GBPyTorch 2.3.0Python 3.12(ubuntu22.04)CUDA 12.1autoDL服务器平台，（好处：可以分享镜像&…...

编程日记 2025/5/6 22:43:57

迅为RK3568开发板驱动开发指南helloworld驱动实验-驱动的基本框架

Linux 驱动的基本框架主要由模块加载函数，模块卸载函数，模块许可证声明，模块参数，块导出符号，模块作者信息等几部分组成，其中模块参数，模块导出符号，模块作者信息是选的部分&#xf…...

编程日记 2025/5/6 17:25:30

Spring Boot 3.4.3 基于 JSqlParser 和 MyBatis 实现自定义数据权限

前言在企业级应用中，数据权限控制是保证数据安全的重要环节。本文将详细介绍如何在 Spring Boot 3.4.3 项目中结合 JSqlParser 和 MyBatis 实现灵活的数据权限控制，通过动态 SQL 改写实现多租户、部门隔离等常见数据权限需求。一、环境准备确保开发环境满足以下要求： …...

编程日记 2025/5/6 0:00:48

1、public class Test {public static void add(Integer i){int val=i.intValue(); val+=3; i=new Integer(val); } public static void main(String[] args) {Integer i=new Integer(0); add(i); System.out.println(i.intValue());...

编程日记 2025/5/7 9:50:30

spring boot 集成redis 中RedisTemplate 、SessionCallback和RedisCallback使用对比详解，最后表格总结

对比详解 1. RedisTemplate 功能：Spring Data Redis的核心模板类，提供对Redis的通用操作（如字符串、哈希、列表、集合等）。使用场景：常规的Redis增删改查操作。特点： 支持序列化配置（如String…...

编程日记 2025/5/7 10:41:37

leetcode-热题100(3)

leetcode-74-搜索二维矩阵矩阵最后一列升序排序，在最后一列中查找第一个大于等于target的元素然后在该元素所在行进行二分查找 bool searchMatrix(int** matrix, int matrixSize, int* matrixColSize, int target) {int n matrixSize;int m matrixColSize[0];in…...

编程日记 2025/5/5 17:40:43

【大模型系列篇】大模型基建工程：使用 FastAPI 构建 SSE MCP 服务器

今天我们将使用FastAPI来构建 MCP 服务器，Anthropic 推出的这个MCP 协议，目的是让 AI 代理和你的应用程序之间的对话变得更顺畅、更清晰。FastAPI 基于 Starlette 和 Uvicorn，采用异步编程模型，可轻松处理高并发请求，尤…...

编程日记 2025/5/5 6:36:06

基于大模型预测风湿性心脏病二尖瓣病变的多维度诊疗研究报告

目录一、引言 1.1 研究背景与意义 1.2 研究目的与创新点二、大模型技术概述 2.1 大模型的原理与架构 2.2 在医疗领域的应用现状三、术前评估与预测 3.1 患者数据收集与分析 3.1.1 临床数据收集 3.1.2 影像数据处理 3.2 大模型预测模型建立 3.2.1 数据预处理 3.…...

编程日记 2025/5/3 2:57:01

5.模型训练-毕设篇

vgg： base_model_vgg13 models.vgg13(pretrainedTrue) base_model_vgg13.classifier[-1] nn.Linear(4096, num_classes) base_model_vgg13.to(device)(b_img_rgb.to(device)).shapebase_model_vgg13 models.vgg13(pretrainedTrue) 作用：加载预训练的…...

编程日记 2025/5/4 14:45:55

[物联网iot]对比WIFI、MQTT、TCP、UDP通信协议

第一步：先理解最基础的关系（类比快递） 假设你要给朋友寄快递： Wi-Fi：相当于“公路和卡车”，负责把包裹从你家运到快递站。 TCP/UDP：相当于“快递公司的运输规则”。 TCP：顺丰快递&…...

编程日记 2025/5/7 1:01:13

【含文档+PPT+源码】基于Python的股票数据可视化及推荐系统的设计与实现

项目介绍本课程演示的是一款基于Python的股票数据可视化及推荐系统的设计与实现，主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的 Python学习者。 1.包含：项目源码、项目文档、数据库脚本、软件工具等所有资料 2.带你从零开始部署运行…...

编程日记 2025/5/6 22:14:04

LeetCode算法题(Go语言实现)_23

题目给你一个下标从 0 开始、大小为 n x n 的整数矩阵 grid ，返回满足 Ri 行和 Cj 列相等的行列对 (Ri, Cj) 的数目。如果行和列以相同的顺序包含相同的元素（即相等的数组），则认为二者是相等的。一、代码实现 func equalPairs…...

编程日记 2025/5/3 2:59:02

Windows家庭版如何开启Hyper-V与关闭Hyper-V

在Windows中如果要安装桌面版Docker，那么Hyper-V一定是需要开启的，在专业版操作系统上，这个功能直接就可以勾选开启，重启之后就即可生效，但在家庭版的操作系统上，默认是没有这个选择项的，这时候我们就需要借助于命令去开启它。本文，整理了一键开启Hyper-V服务和一键关闭…...

编程日记 2025/5/6 3:10:51

C# 中充血模型和‌贫血模型

在C#中，‌充血模型（Rich Domain Model）‌和‌贫血模型（Anemic Domain Model）‌是两种截然不同的领域建模方式，核心区别在于‌业务逻辑的归属‌。以下是通俗易懂的解释： 1. ‌贫血模型&#xff…...

编程日记 2025/5/6 0:24:29

C++中的继承

#include <iostream> using namespace std;// 武器类（基类） class Weapon { protected:int atk; // 攻击力public:// 构造函数Weapon(int atk 0) : atk(atk) {}// 虚拟析构函数virtual ~Weapon() {}// set 和 get 接口void setAtk(int atk) {this…...

编程日记 2025/5/3 3:00:39

Uubuntu20.04复现SA-ConvONet步骤

项目地址： tangjiapeng/SA-ConvONet: ICCV2021 Oral SA-ConvONet: Sign-Agnostic Optimization of Convolutional Occupancy Networks 安装步骤： 一、系统更新检查系统是否已经更新到最新版本： sudo apt-get update sudo apt-get upgra…...

编程日记 2025/5/3 3:02:07

Blender模型导入虚幻引擎设置

单位系统不一致 Blender默认单位是米（Meters），而虚幻引擎默认使用**厘米（Centimeters）**作为单位。当模型从Blender导出为FBX或其他格式时，如果没有调整单位，虚幻引擎会将1米（Blen…...

编程日记 2025/5/7 9:55:22

大数据Spark（五十五）：Spark框架及特点

文章目录 Spark框架及特点一、Spark框架介绍二、Spark计算框架具备以下特点 Spark框架及特点一、Spark框架介绍 Apache Spark 是一个专为大规模数据处理而设计的快速、通用的计算引擎。最初由加州大学伯克利分校的 AMP 实验室（Algorithms, Machines, and Pe…...

编程日记 2025/5/4 5:48:35

深入理解Python asyncio：从入门到实战，掌握异步编程精髓

文章目录前言一、asyncio基础概念1.1 什么是异步编程？1.2 asyncio核心组件二、asyncio核心用法详解2.1 事件循环管理2.2协程与任务2.3 异步上下文管理器三、asyncio高级特性3.1 异步生成器3.2异步队列3.3 异步锁和信号量四、asyncio实战项目4.1 高性能Web爬虫4.…...

编程日记 2025/5/4 15:58:28

线段树,单点,区间修改查阅

#PermanentNotes/algorithm 思想首先关于树有许多类型,这里我们主要首线段树,整体思想就是将一个大区间进行拆分,拆分成各个小区间,在我们进行查找,更新时,就是对区间的查找更新类型初始化,构建树代码 const int Z 1e7; const ll INF 1e18; const int maxn 1e5 10…...

编程日记 2025/5/6 22:59:22

音视频(二)ffmpeg编译及推流

FFmpeg 大名鼎鼎，就不多介绍了 1：环境 win11_amd64 ffpmeg download:https://git.ffmpeg.org/ffmpeg.git ffmpeg msys2 download:https://www.msys2.org/ vs2022 (c 写demo用) 用别的也行 usb2.0 摄像头（有点老） opencv 看上传的…...

编程日记 2025/5/6 8:52:24