本篇文章介紹了爬蟲中驗證碼的處理方式， 并把這些功能封裝起來，供我們使用， 涉及到百度AIP的調用方式， 以及一個最新的開源庫muggle識別庫的使用，歡迎閱讀，點贊，收藏！

目錄：

• 學會調用百度的aip接口：
• 擴展百度的色情識別接口：
• 學會muggle_ocr 識別接口：
• 封裝源碼：

學會調用百度的aip接口：

1. 首先需要注冊一個賬號：

https://login.bce.baidu.com/

注冊完成之后登入

2. 創(chuàng)建項目

在這些技術里面找到文字識別，然后點擊創(chuàng)建一下項目

創(chuàng)建完成之后：

圖片中 AppID , API key, Secret Key 這些待會是需要用的。

下一步可以查看官網文檔，或者直接使用我寫的代碼

3. 安裝一下依賴庫 pip install baidu-aip

這只是一個接口， 需要前面的一些設置。

 def return_ocr_by_baidu(self, test_image):
        """
        ps: 先在__init__  函數(shù)中完成你自己的baidu_aip 的一些參數(shù)設置

        這次測試使用 高精度版本測試
                    如果速度很慢 可以換回一般版本
                    self.client.basicGeneral(image, options)
                    相關參考網址:
                    https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
        :param test_image: 待測試的文件名稱
        :return:  返回這個驗證碼的識別效果 如果錯誤  可以多次調用
        """
        image = self.return_image_content(test_image=self.return_path(test_image))

        # 調用通用文字識別（高精度版）
        # self.client.basicAccurate(image)

        # 如果有可選參數(shù) 相關參數(shù)可以在上面的網址里面找到
        options = {}
        options["detect_direction"] = "true"
        options["probability"] = "true"

        # 調用
        result = self.client.basicAccurate(image, options)
        result_s = result['words_result'][0]['words']
        # 不打印關閉
        print(result_s)
        if result_s:
            return result_s.strip()
        else:
            raise Exception("The result is None , try it !")

擴展百度的色情識別接口：

我們寫代碼肯定是要找點樂子的， 不可能這么枯燥無味吧？

色情識別接口在 內容審核中， 找一下就可以了。

調用方式源碼：

# -*- coding :  utf-8 -*-
# @Time      :  2020/10/22  17:30
# @author    :  沙漏在下雨
# @Software  :  PyCharm
# @CSDN      :  https://me.csdn.NET/qq_45906219

from aip import AipContentCensor
from ocr import MyOrc


class Auditing(MyOrc):
    """
    這是一個調用百度內容審核的aip接口
    主要用來審核一些色情 反恐 惡心 之類的東西
    網址:  https://ai.baidu.com/ai-doc/ANTIPORN/tk3h6xgkn
    """

    def __init__(self):
        # super().__init__()
        APP_ID = '填寫你的ID'
        API_KEY = '填寫你的KEY'
        SECRET_KEY = '填寫你的SECRET_KEY'

        self.client = AipContentCensor(APP_ID, API_KEY, SECRET_KEY)

    def return_path(self, test_image):
        return super().return_path(test_image)

    def return_image_content(self, test_image):
        return super().return_image_content(test_image)

    def return_Content_by_baidu_of_image(self, test_image, mode=0):
        """
        繼承ocr中的一些方法， 因為都是放一起的 少些一點代碼
        內容審核: 關于圖片中是否存在一些非法不良信息
        內容審核還可以實現(xiàn)文本審核 我覺得有點雞肋  就沒一起封裝進去
        url: https://ai.baidu.com/ai-doc/ANTIPORN/Wk3h6xg56
        :param test_image: 待測試的圖片 可以本地文件 也可以網址
        :param mode:  默認 = 0 表示 識別的本地文件   mode = 1 表示識別的圖片網址連接
        :return: 返回識別結果
        """
        if mode == 0:
            filepath = self.return_image_content(self.return_path(test_image=test_image))
        elif mode == 1:
            filepath = test_image
        else:
            raise Exception("The mode is 0 or 1 but your mode is ", mode)
        # 調用色情識別接口
        result = self.client.imageCensorUserDefined(filepath)

        # """ 如果圖片是url調用如下 """
        # result = self.client.imageCensorUserDefined('http://www.example.com/image.jpg')
        print(result)
        return result


a = Auditing()
a.return_Content_by_baidu_of_image("test_image/2.jpg", mode=0)

學會muggle_ocr 識別接口：

這個包是最近火起來的， 使用起來很簡單， 沒多少其他函數(shù)

1. 安裝 pip install muggle-ocr 這個下載有點慢 最好使用手機熱點 目前鏡像網站(清華/阿里) 還沒有更新到這個包 因為這個包是最新的一個ocr模型 12
2. 調用接口

 def return_ocr_by_muggle(self, test_image, mode=1):
        """
            調用這個函數(shù)使用 muggle_ocr 來進行識別
            :param  test_image  待測試的文件名稱 最好絕對路徑
            :param  模型 mode = 0  即 ModelType.OCR 表示識別普通印刷文本
                  當 mode = 1 默認  即 ModelType.Captcha 表示識別4-6位簡單英輸驗證碼

            官方網站: https://pypi.org/project/muggle-ocr/
            :return: 返回這個驗證碼的識別結果 如果錯誤 可以多次調用
        """
        # 確定識別物品
        if mode == 1:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
        elif mode == 0:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
        else:
            raise Exception("The mode is 0 or 1 , but your mode  == ", mode)

        filepath = self.return_path(test_image=test_image)

        with open(filepath, 'rb') as fr:
            captcha_bytes = fr.read()
            result = sdk.predict(image_bytes=captcha_bytes)
            # 不打印關閉
            print(result)
            return result.strip()

封裝源碼：

# -*- coding :  utf-8 -*-
# @Time      :  2020/10/22  14:12
# @author    :  沙漏在下雨
# @Software  :  PyCharm
# @CSDN      :  https://me.csdn.net/qq_45906219

import muggle_ocr
import os
from aip import AipOcr

"""
    PS: 這個作用主要是作了一個封裝 把2個常用的圖片/驗證碼識別方式合在一起 怎么用 取決于自己
    
    接口1: muggle_ocr 
          pip install muggle-ocr 這個下載有點慢 最好使用手機熱點
          目前鏡像網站(清華/阿里)  還沒有更新到這個包 因為這個包是最新的一個ocr模型
          
    接口2: baidu-aip
          pip install baidu-aip
          這個知道的人應該很多很多， 但是我覺得還是muggle 這個新包猛的一比
          調用方式 可以參考官網文檔: https://cloud.baidu.com/doc/OCR/index.html
          或者使用我如下的方式  都是ok的
    :param image_path  待識別的圖片路徑  如果目錄很深 推薦使用絕對路徑
    
"""


class MyOrc:
    def __init__(self):
        # 設置一些必要信息 使用自己百度aip的內容
        APP_ID = '你的ID'
        API_KEY = '你的KEY'
        SECRET_KEY = '你的SECRET_KEY'

        self.client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

    def return_path(self, test_image):

        """:return abs image_path"""
        # 確定路徑
        if os.path.isabs(test_image):
            filepath = test_image
        else:
            filepath = os.path.abspath(test_image)
        return filepath

    def return_image_content(self, test_image):
        """:return the image content """
        with open(test_image, 'rb') as fr:
            return fr.read()

    def return_ocr_by_baidu(self, test_image):
        """
        ps: 先在__init__  函數(shù)中完成你自己的baidu_aip 的一些參數(shù)設置

        這次測試使用 高精度版本測試
                    如果速度很慢 可以換回一般版本
                    self.client.basicGeneral(image, options)
                    相關參考網址:
                    https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
        :param test_image: 待測試的文件名稱
        :return:  返回這個驗證碼的識別效果 如果錯誤  可以多次調用
        """
        image = self.return_image_content(test_image=self.return_path(test_image))

        # 調用通用文字識別（高精度版）
        # self.client.basicAccurate(image)

        # 如果有可選參數(shù) 相關參數(shù)可以在上面的網址里面找到
        options = {}
        options["detect_direction"] = "true"
        options["probability"] = "true"

        # 調用
        result = self.client.basicAccurate(image, options)
        result_s = result['words_result'][0]['words']
        # 不打印關閉
        print(result_s)
        if result_s:
            return result_s.strip()
        else:
            raise Exception("The result is None , try it !")

    def return_ocr_by_muggle(self, test_image, mode=1):
        """
            調用這個函數(shù)使用 muggle_ocr 來進行識別
            :param  test_image  待測試的文件名稱 最好絕對路徑
            :param  模型 mode = 0  即 ModelType.OCR 表示識別普通印刷文本
                  當 mode = 1 默認  即 ModelType.Captcha 表示識別4-6位簡單英輸驗證碼

            官方網站: https://pypi.org/project/muggle-ocr/
            :return: 返回這個驗證碼的識別結果 如果錯誤 可以多次調用
        """
        # 確定識別物品
        if mode == 1:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
        elif mode == 0:
            sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
        else:
            raise Exception("The mode is 0 or 1 , but your mode  == ", mode)

        filepath = self.return_path(test_image=test_image)

        with open(filepath, 'rb') as fr:
            captcha_bytes = fr.read()
            result = sdk.predict(image_bytes=captcha_bytes)
            # 不打印關閉
            print(result)
            return result.strip()


# a = MyOrc()

# a.return_ocr_by_baidu(test_image='test_image/digit_img_1.png')