带有动态字幕的刮痕

Question

我试图从一个网站的表单中破坏一个captcha，但是这个验证码是动态的，它没有URL，而是有这样的东西

src="captcha?accion=image"

这里最好的选择是什么？我读过一些像使用中间件之类的东西。我也知道可以用Selenium或Splash或其他浏览器驱动程序（屏幕截图）来实现，但如果可能的话，我希望只使用Scrapy。在

Answer 1

下面是使用anticaptcha和PIL绕过指定的captcha的完整解决方案。在

由于这个captcha的动态性，我们需要抓取包含captcha元素的img的打印屏幕。为此，我们使用save_screenshot()和PIL裁剪并将<img name="imagen"...保存到磁盘（captcha.png）。
然后我们将captcha.png提交给anti-captcha，它将返回解决方案，即：

from PIL import Image
from python_anticaptcha import AnticaptchaClient, ImageToTextTask
from selenium import webdriver

def get_captcha():
    captcha_fn = "captcha.png"
    element = driver.find_element_by_name("imagen") # element name containing the catcha image
    location = element.location
    size = element.size
    driver.save_screenshot("temp.png")

    x = location['x']
    y = location['y']
    w = size['width']
    h = size['height']
    width = x + w
    height = y + h

    im = Image.open('temp.png')
    im = im.crop((int(x), int(y), int(width), int(height)))
    im.save(captcha_fn)

    # request anti-captcha service to decode the captcha

    api_key = 'XXXXXXXXXXXXXXXXXXXXXXXXXX' # api key -> https://anti-captcha.com/
    captcha_fp = open(captcha_fn, 'rb')
    client = AnticaptchaClient(api_key)
    task = ImageToTextTask(captcha_fp)
    job = client.createTask(task)
    job.join()
    return job.get_captcha_text()

start_url = "YOU KNOW THE URL"
driver = webdriver.Chrome()
driver.get(start_url)
captcha = get_captcha()
print( captcha )

---

输出：

^{pr2}$

---

验证码.png

---

注意事项：

• 自己负责使用（要聪明）
• 您可以通过正确处理异常来改进代码
• anticaptcha是一个paid service（0.5$/1000 imgs）
• 我和^{没有关系。在