如何利用百度ocr实现验证码自动识别

在爬取网站的时候都遇到过验证码，那么我们有什么方法让程序自动的识别验证码呢？其实网上已有很多打码平台，但是这些都是需要money。但对于仅仅爬取点数据而接入打码平台实属浪费。所以百度免费ocr正好可以利用。（每天500次免费）

1、注册百度账号、百度云管理中心创建应用、生成AppKey、SecretKey（程序调用接口是要生成access_token）

 

2、利用AppKey、SecretKey生成access_token
向授权服务地址https://aip.baidubce.com/oauth/2.0/token发送请求（推荐使用POST）并在URL中带上以下参数：
grant_type： 必须参数，固定为client_credentials；
client_id： 必须参数，应用的API Key；
client_secret： 必须参数，应用的Secret Key
代码如下：

/**     * 获取AccessToken     * 百度开发     * AppId:     * APIKey:     * SecretKey:     *     * @return     */    public static String getAccessToken() {        String accessToken = "";        HttpRequestData httpRequestData = new HttpRequestData();        HashMap<String, String> params = new HashMap<>();        params.put("grant_type", "client_credentials");        params.put("client_id", "xxxxxx");        params.put("client_secret", "xxxxxx");        httpRequestData.setRequestMethod("GET");        httpRequestData.setParams(params);        httpRequestData.setRequestUrl("https://aip.baidubce.com/oauth/2.0/token");        HttpResponse response = HttpClientUtils.execute(httpRequestData);        String json = "";        try {            json = IOUtils.toString(response.getEntity().getContent());        } catch (IOException e) {            e.printStackTrace();        }        if (response.getStatusLine().getStatusCode() == 200) {            JSONObject jsonObject = JSONObject.parseObject(json);            if (jsonObject != null && !jsonObject.isEmpty()) {                accessToken = jsonObject.getString("access_token");            }        }        return accessToken;    }

 

3、请求百度ocr通用文字识别API（下面以百度通用识别api识别为例）
请求API的URL https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic
请求方法 POST
请求URL参数 access_token
请求头 （Header） Content-Type application/x-www-form-urlencoded
Body中放置请求参数，主要参数详情如下：

•  image : 图像数据，base64编码，要求base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式，当image字段存在时url字段失效
• url : 图片完整URL，URL长度不超过1024字节，URL对应的图片base64编码后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/png/bmp格式，当image字段存在时url字段失效

/**     * 获取识别验证码     * @param imageUrl     * @return     */    public static String OCRVCode(String imageUrl){        String VCode = "";        if (StringUtils.isBlank(ACCESS_TOKEN)) {            logger.error("accessToken为空");            return VCode;        }        OCRUrl = OCRUrl + "?access_token=" + ACCESS_TOKEN;        HashMap<String, String> headers = new HashMap<>();        headers.put("Content-Type", "application/x-www-form-urlencoded");        HashMap<String, String> params = new HashMap<>();        imageUrl = ImageBase64ToStringUtils.imageToStringByBase64(imageUrl);        params.put("image", imageUrl);        HttpRequestData httpRequestData = new HttpRequestData();        httpRequestData.setHeaders(headers);        httpRequestData.setRequestMethod("post");        httpRequestData.setParams(params);        httpRequestData.setRequestUrl(OCRUrl);        HttpResponse response = HttpClientUtils.execute(httpRequestData);        String json = "";        if (response.getStatusLine().getStatusCode() == 200) {            try {                json = IOUtils.toString(response.getEntity().getContent());                JSONObject jsonObject = JSONObject.parseObject(json);                JSONArray wordsResult = jsonObject.getJSONArray("words_result");                VCode = wordsResult.getJSONObject(0).getString("words");            } catch (IOException e) {                logger.error("请求识别失败！", e);            }        }        return VCode;    }

 

对图片进行base64编码字符

/**     * 将本地图片进行Base64位编码     * @param imageFile     * @return     */    public static String encodeImgageToBase64(String imageFile) {        // 其进行Base64编码处理        byte[] data = null;        // 读取图片字节数组        try {            InputStream in = new FileInputStream(imageFile);            data = new byte[in.available()];            in.read(data);            in.close();        } catch (IOException e) {            e.printStackTrace();        }        // 对字节数组Base64编码        return Base64Util.encode(data);    }

 

4、返回结果以json方式返回

{    "log_id": 2471272194,    "words_result_num": 2,    "words_result":     [        {"words": " TSINGTAO"},        {"words": "青島睥酒"}    ]}

 

项目github地址：https://github.com/xwlmdd/ipProxyPool
注：ocr图片识别模块在这个项目里的一个工具类

我的公众号，喜欢的朋友可以关注哦