爬虫过程中怎样应对验证码的问题

    在爬虫工作的过程中，我们会见到各种各样的验证码，有最简单的数字验证码、字母验证码以及数字加字母混和验证码，也有输入指定中文文字验证码以及输入带颜色的中文验证码，还有让人头疼的滑块验证码等等。在爬虫过程中，遇到头疼的验证码该怎么识别呢？有哪些方法呢？

    一、打码平台。这是很多爬虫工程师眼中最常用最简单的解决办法，只是需要一点点花销即可，像比较简单的字母数字验证码最低，中文字稍贵点，计算题又再贵一点点，总之越复杂越贵，至于打码平台哪个好，这里就不做推荐了。

 

    二、机器学习。端到端数字字母识别神器，听起来就很高大上，根据识别难度和长度不同，对标注数据的需求量不一样，当然图片预处理也稍微有些区别。这个比较复杂，一两句话不能说明白，网上资料有很多。

 

    三、OCR库。这个虽然听起来也很厉害的样子，但是这个词已经很古老了，另外，传统的OCR采用先切割再识别的方案，对于新型的验证码已经很难做了，不建议大家尝试这个方案。

 

    四、其他手段。对于一些特殊验证码，比如某购票网站那样的验证码不仅需要识别结果，还需要识别问题等等。单个问题单个对待，可能需要结合多重知识，这里就不展开讲了。

 

    识别验证码一直是爬虫工程师的基本功，特别对于有登录需求的爬虫来说，验证码也是一道绕不过去的坎，掌握一定的验证码识别技能，有助于爬虫工作的顺利进行。