关于python:反爬篇-手把手教你处理-JS-逆向之图片伪装

37次阅读

共计 2487 个字符,预计需要花费 7 分钟才能阅读完成。

最近打算更新反爬系列相干的内容,第一篇就从最简略的「图片假装」开始吧

图片假装是在网页元素中,将文字、图片混合在一起进行展现,以此限度爬虫程序间接获取网页内容

指标对象:

aHR0cHM6Ly93d3cuZ3hyYy5jb20vam9iRGV0YWlsL2Q2NmExNjQxNzc2MjRlNzA4MzU5NWIzMjI1ZWJjMTBi

1 – 剖析

关上页面,剖析页面发现网页源码中的电话号码默认是暗藏爱护的

并且要查看电话号码,必须先通过账号进行登录操作

实现登录后,点击页面上的查看按钮会调用一个接口,随后电话号码就齐全展现进去了

https://**/getentcontacts/b2147f6a-6ec7-403e-a836-62978992841b

PS:该 URL 地址中 b2147f6a-6ec7-403e-a836-62978992841b 在网页源码中能够获取,与企业一一对应

通过下图,咱们发现下面接口响应值中的「tel」字段能够拼接成一张图片,该图片中的内容与电话号码统一

因而,咱们只须要下载这张图片,利用 OCR 进行辨认即能够

2 – 实现

因为该网站上的文字图片背景很洁净,因而不须要额定的训练来晋升文字识别率

首先,咱们调用接口获取电话号码一一对应的 tel 字段

import requests

headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.64 Safari/537.36',
    'Cookie': '***'
}

# 获取手机号码对应的 tel 字段 id(一一对应)def get_tel_id():
    # b2147f6a-6ec7-403e-a836-62978992841b 对应企业,也是一一对应关系(网页源码)url = "https://**/getentcontacts/b2147f6a-6ec7-403e-a836-62978992841b"

    payload = {}

    resp = requests.request("GET", url, headers=headers, data=payload).json()
    tel_id = resp.get("tel")
    return tel_id

而后,利用下面的 tel 字段组成图片 URL 地址

最初,就能够对图片进行文字辨认了

这里介绍 2 种形式:

  • 百度 OCR
  • pytesseract

2-1  百度 OCR

首先,装置依赖包

# 装置依赖包
pip3 install baidu-aip

而后,创立一个用于文字辨认的利用,获取利用的 APP_ID、API_KEY、SECRET_KEY 数据 \

最初,参考官网文档调用上面的办法辨认图片,获取手机号码数据

官网文档:

https://cloud.baidu.com/doc/O…

from aip import AipOcr

def get_phone(tel_id):
    """
    百度 OCR 辨认图片,获取文字内容
    :param tel_id:
    :return:
    """url = f'https://www.**.com/home/Phone/{tel_id}'APP_ID ='262**'API_KEY ='1btP8uUSzfDbji**'SECRET_KEY ='NGm6NgAM5ajHcksKs0**'
    client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
    result = client.basicGeneralUrl(url)
    # {'words_result': [{'words': '0771-672**'}], 'words_result_num': 1, 'log_id': 1527210***}
    print('辨认到的手机号码为:', result)

2-2 pytesseract

同样,咱们须要先装置文字辨认、图片解决的依赖包

# 装置依赖包
pip3 install pillow
pip3 install pytesseract

而后,依据图片 URL 地址获取图片字节流,最初利用 pytesseract 辨认图片中文字即可

import io
import pytesseract
import requests
from PIL import Image

if __name__ == '__main__':
    # 获取手机号码的 URL 地址
    image_url = f'https://www.**.com/home/Phone/{get_tel_id()}'

    resp = requests.get(image_url, headers=headers)

    # images.content: 获取图片的二进制字节流
    # io.BytesIO(): 操作解决二进制数据
    # Image.open(): 关上图片字节流,失去一个图片对象
    images_c = Image.open(io.BytesIO(resp.content))

    # 利用 pytesseract 辨认出图片中的字符串,即为手机号码
    phone = pytesseract.image_to_string(images_c)

    print(f'联系方式: {phone}')

以上就是利用图片假装惯例的解决形式,咱们只须要找出图片的生成规定,而后利用 OCR 进行辨认成文本,最初组装在一起即可

以上就是本次分享的所有内容,如果你感觉文章还不错,欢送关注公众号:Python 编程学习圈 ,每日干货分享,发送“J”还可支付大量学习材料。或是返回编程学习网,理解更多编程技术常识。

正文完
 0