捕获验证码图像

Question

我试图从秘鲁政府采购和合同电子系统(SEACE) (使用RSelenium)抓取数据，直到我尝试从验证码图像中捕获网址，我才成功。我遇到的问题是验证码的链接有扩展名"dynamiccontent.properties.xhtml“(见下一个屏幕截图)，而不是"JPEG"，"JPG”或"PNG“扩展名。

​

​

我想在这些扩展(JPEG，JPG或PNG)中使用R从验证码图像中获取URL，有什么建议吗？谢谢!

Answer 1

您可以使用Rselenium获取验证码图像。但是你需要进行一些图像处理。因为验证码是动态生成的，所以你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尺寸参数来获得正确的效果)

在执行此操作时，请将窗口大小设置得较大，以便获得良好的分辨率。

对于裁剪图像，您将需要一些试验和错误。你可以使用包，成像器或magick的裁剪位。

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-他们的设计是为了阻止机器人进入！

​

​