有验证码的网站怎么自动抓取数据

Question

最近在做一个网站的数据抓取，可是这网站有验证码，难道要把图片取下来，将图片识别为4个数字，用httpclient加上所有参数才能登陆。java在将图片解析为数字有方法没？网上百度了下说用ocr识别，不知道准确率是不是100%,java能将验证码识别为数字，完成用httpclient自动登陆吗？验证码识别抓取数据

Answer 1

orc识别肯定是没有100%的，这不用怀疑。你说的思路只能就是做验证码识别了。
抓数据还有一些旁门左道，比如绕过验证码/绕过登陆等，访问实际数据所在地址。这需要你对此站点的业务以及请求做一定的测试和分析的

Answer 2

ORC的识别能力不是一般的弱，稍微有点扭曲的字体就不行了

Answer 3

这种验证码太规则了，很好识别，先去噪点，然后分割成4个单独的数字，采集10个数字的图片，分别对比各个部分的匹配度就可以了。网上有相关文章介绍的，我以前找的文章现在不知道怎么再找到了，这是类似的一个文章
http://www.cnblogs.com/yuanbao/archive/2007/09/25/905322.html