如何使用 Java 爬取嵌入页面中的图片验证码？

获取嵌套页面图片验证码的 java 方法

本文将讨论如何使用 java 爬取包含在页面中的图片验证码。

问题：

我们无法直接访问嵌入页面的图片验证码，其返回的是一个 jfig 页面。

解决方案：

采用以下步骤实现爬取：

1. 获取包含验证码的页面的 html。
2. 解析 html 以查找验证码图像的 url。这通常需要正则表达式。
3. 使用 url 建立连接并使用 cookie 访问图像。
4. 将图像的内容保存为二进制文件。

示例 java 代码：

以下代码提供了示例：

import java.io.FileOutputStream;
import java.io.IOException;
import java.net.HttpURLConnection;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RetrieveEmbeddedImage {

    public static void main(String[] args) {
        try {
            // 解析 HTML 获取验证码 URL
            String html = getHtml();
            Pattern pattern = Pattern.compile("(/public/v4/common/control/page/image\\.jsp\\?date=" + ".*)");
            Matcher matcher = pattern.matcher(html);
            String imageUrl = "";
            if (matcher.find()) {
                imageUrl = matcher.group(1);
            } else {
                throw new Exception("无法找到验证码 URL");
            }

    
        // 获取验证码图像
            URL url = new URL("http://jx.189.cn" + imageUrl);
            HttpURLConnection connection = (HttpURLConnection) url.openConnection();
            connection.setRequestProperty("Cookie", "[YOUR_COOKIE_HERE]");  // 将 Cookie 设置为目标网站的 Cookie
            byte[] imageData = connection.getInputStream().readAllBytes();

            // 将图像保存到文件
            FileOutputStream fos = new FileOutputStream("captcha.jpg");
            fos.write(imageData);
            fos.close();

            System.out.println("验证码图像已保存为 captcha.jpg。");
        } catch (MalformedURLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    // 获取包含验证码的页面的 HTML
    private static String getHtml() {
        // [在此处实现获取 HTML 的逻辑]
        return "";
    }
}