摘要：在爬取網(wǎng)站的時候都遇到過驗證碼，那么我們有什么方法讓程序自動的識別驗證碼呢其實網(wǎng)上已有很多打碼平臺，但是這些都是需要。但對于僅僅爬取點數(shù)據(jù)而接入打碼平臺實屬浪費。所以百度免費正好可以利用。

在爬取網(wǎng)站的時候都遇到過驗證碼，那么我們有什么方法讓程序自動的識別驗證碼呢？其實網(wǎng)上已有很多打碼平臺，但是這些都是需要money。但對于僅僅爬取點數(shù)據(jù)而接入打碼平臺實屬浪費。所以百度免費orc正好可以利用。（每天500次免費）

1、注冊百度賬號、百度云管理中心創(chuàng)建應(yīng)用、生成AppKey、SecretKey（程序調(diào)用接口是要生成access_token）

2、利用AppKey、SecretKey生成access_token
向授權(quán)服務(wù)地址https://aip.baidubce.com/oaut...發(fā)送請求（推薦使用POST）并在URL中帶上以下參數(shù)：
grant_type： 必須參數(shù)，固定為client_credentials；
client_id： 必須參數(shù)，應(yīng)用的API Key；
client_secret： 必須參數(shù)，應(yīng)用的Secret Key
代碼如下：

/**
 1. 獲取AccessToken
 2. APIKey:
 3. SecretKey:
 4. @return
 */
public static String getAccessToken() {
    String accessToken = "";
    HttpRequestData httpRequestData = new HttpRequestData();
    HashMap 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;
}

3、請求百度orc通用文字識別API（下面以百度通用識別api識別為例）
請求API的URL https://aip.baidubce.com/rest...
請求方法 POST
請求URL參數(shù) access_token
請求頭 （Header） Content-Type application/x-www-form-urlencoded
Body中放置請求參數(shù)，主要參數(shù)詳情如下：

image : 圖像數(shù)據(jù)，base64編碼，要求base64編碼后大小不超過4M，最短邊至少15px，最長邊最大4096px,支持jpg/png/bmp格式，當(dāng)image字段存在時url字段失效

url : 圖片完整URL，URL長度不超過1024字節(jié)，URL對應(yīng)的圖片base64編碼后大小不超過4M，最短邊至少15px，最長邊最大4096px,支持jpg/png/bmp格式，當(dāng)image字段存在時url字段失效

/**
 * 獲取識別驗證碼
 * @param imageUrl
 * @return
 */
public static String OCRVCode(String imageUrl){
    String VCode = "";

    if (StringUtils.isBlank(ACCESS_TOKEN)) {
        logger.error("accessToken為空");
        return VCode;
    }
    OCRUrl = OCRUrl + "?access_token=" + ACCESS_TOKEN;

    HashMap headers = new HashMap<>();
    headers.put("Content-Type", "application/x-www-form-urlencoded");

    HashMap 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("請求識別失??！", e);
        }
    }
    return VCode;
}

對圖片進行base64編碼字符

/**
 * 將本地圖片進行Base64位編碼
 * @param imageFile
 * @return
 */
public static String encodeImgageToBase64(String imageFile) {
    // 其進行Base64編碼處理
    byte[] data = null;
    // 讀取圖片字節(jié)數(shù)組
    try {
        InputStream in = new FileInputStream(imageFile);
        data = new byte[in.available()];
        in.read(data);
        in.close();
    } catch (IOException e) {
        e.printStackTrace();
    }

    // 對字節(jié)數(shù)組Base64編碼
    return Base64Util.encode(data);
}
4、返回結(jié)果以json方式返回
{
    "log_id": 2471272194,
        "words_result_num": 2,
        "words_result": 
[
    {"words": " TSINGTAO"},
    {"words": "青島睥酒"}
]
}

項目github地址：https://github.com/xwlmdd/ipP...
注：orc圖片識別模塊在這個項目里的一個工具類

我的公眾號，喜歡的朋友可以關(guān)注哦