百度图片识别orc实现普通验证码识别

在爬取网站的时候都遇到过验证码，那么咱们有什么方法让程序自动的识别验证码呢？其实网上已有不少打码平台，可是这些都是须要money。但对于仅仅爬取点数据而接入打码平台实属浪费。因此百度免费orc正好能够利用。（天天500次免费）

一、注册百度帐号、百度云管理中心建立应用、生成AppKey、SecretKey（程序调用接口是要生成access_token）

二、利用AppKey、SecretKey生成access_token
向受权服务地址https://aip.baidubce.com/oaut...发送请求（推荐使用POST）并在URL中带上如下参数：
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
代码以下：

/**
 1. 获取AccessToken
 2. APIKey:
 3. SecretKey:
 4. @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", "你的APIKey");
    params.put("client_secret", "SecretKey");
    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;
}

三、请求百度orc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...
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，主要参数详情以下：

• 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);
}
四、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/ipP...
注：orc图片识别模块在这个项目里的一个工具类

个人公众号，喜欢的朋友能够关注哦