r - 捕获验证码图像

Question

我正在尝试从秘鲁政府采购和契约(Contract)电子系统 (SEACE)(使用 RSelenium)中抓取数据，并且在尝试从验证码图像中捕获 URL 之前我已经成功了。我遇到的问题是验证码的链接具有扩展名“dynamiccontent.properties.xhtml”(见下一张截图)，但不是“JPEG”、“JPG”或“PNG”扩展名。

我想使用 R 从这些扩展之一(JPEG、JPG 或 PNG)中的验证码图像获取 URL，有什么建议吗？谢谢!

Answer 1

您可以使用 Rselenium 获取验证码图像。但是你需要一些图像处理。由于验证码是动态生成的，您需要截取页面的屏幕截图，然后裁剪图像，以便只留下验证码。 (尝试使用裁剪函数的维度参数使其恰到好处)

在这样做的同时，将窗口尺寸调大以便分辨率良好。

要裁剪图像，您需要反复试验。您可以使用软件包 imager 或 magick 作为裁剪位。

library(RSelenium)
library(magick)
library(dplyr)
url<-"https://prodapp2.seace.gob.pe/seacebus-uiwd-pub/buscadorPublico/buscadorPublico.xhtml"

#### Selenium server
## For Firefox

rd<- rsDriver(browser = "firefox",port = 4581L)
remDr <- rd$client
remDr$open()


##Open url
remDr$navigate(url)

remDr$setWindowSize(2000,1600)

remDr$screenshot(display = FALSE, file = "captcha.png")


final_cap<-image_read("captcha.png") %>% 
  image_crop(.,"200X100+500+500") 

plot(final_cap)

请注意，我不支持任何非法的验证码破解 - 它们旨在防止机器人进入!