如何用Python调用百度通用文字识别接口进行验证码识别

一、背景与需求分析

验证码识别是自动化测试、爬虫开发等场景中的常见需求。传统图像处理技术（如二值化、模板匹配）在应对复杂验证码（如扭曲文字、干扰线）时效果有限，而基于深度学习的OCR（光学字符识别）技术能显著提升识别准确率。百度通用文字识别接口（General Basic API）提供了高精度的文字识别能力，支持中英文、数字及常见符号的提取，尤其适合验证码识别场景。

二、准备工作：开通百度OCR服务

1. 注册百度智能云账号

访问百度智能云官网，使用手机号或邮箱完成注册。

2. 创建OCR应用

• 登录控制台，进入「文字识别」服务页面。
• 点击「创建应用」，填写应用名称（如验证码识别）、选择应用类型（如通用文字识别）。
• 记录生成的API Key和Secret Key，后续调用接口时需使用。

3. 了解接口限制

• 免费版每日调用限额为500次，超出后需升级至付费版。
• 单张图片大小不超过4MB，支持JPG/PNG/BMP格式。
• 响应时间通常在1秒内，复杂图片可能延长。

三、Python环境配置

1. 安装依赖库

pip install requests base64

• requests：用于发送HTTP请求。
• base64：内置库，用于图片编码。

2. 获取访问令牌（Access Token）

百度API需通过Access Token进行身份验证，有效期为30天。可通过以下代码获取：

import requests
import base64
import json
def get_access_token(api_key, secret_key):
    url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={api_key}&client_secret={secret_key}"
    response = requests.get(url)
    return response.json().get("access_token")
# 示例调用
api_key = "your_api_key"
secret_key = "your_secret_key"
token = get_access_token(api_key, secret_key)
print("Access Token:", token)

四、调用通用文字识别接口

1. 图片预处理

验证码图片可能包含噪声，建议进行以下处理：

• 转换为灰度图：减少颜色干扰。
• 二值化：增强文字与背景的对比度。
• 裁剪：去除多余边框。

示例代码（使用OpenCV）：

import cv2
def preprocess_image(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    _, binary = cv2.threshold(img, 128, 255, cv2.THRESH_BINARY)
    return binary
# 示例调用
processed_img = preprocess_image("captcha.png")
cv2.imwrite("processed_captcha.png", processed_img)

2. 发送识别请求

百度通用文字识别接口支持两种方式：

• URL图片：直接传入图片的HTTP/HTTPS地址。
• 本地图片：通过Base64编码上传。

方式一：URL图片识别

def recognize_from_url(access_token, image_url):
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={access_token}"
    headers = {"Content-Type": "application/x-www-form-urlencoded"}
    data = {"url": image_url}
    response = requests.post(url, headers=headers, data=data)
    return response.json()
# 示例调用
image_url = "https://example.com/captcha.png"
result = recognize_from_url(token, image_url)
print("识别结果:", result)

方式二：本地图片识别

def recognize_from_local(access_token, image_path):
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={access_token}"
    with open(image_path, "rb") as f:
        img_base64 = base64.b64encode(f.read()).decode("utf-8")
    headers = {"Content-Type": "application/x-www-form-urlencoded"}
    data = {"image": img_base64}
    response = requests.post(url, headers=headers, data=data)
    return response.json()
# 示例调用
result = recognize_from_local(token, "processed_captcha.png")
print("识别结果:", result)

3. 解析识别结果

接口返回的JSON数据包含文字位置和内容，示例如下：

{
    "words_result": [
        {"words": "ABC123"},
        {"words": "XYZ789"}
    ],
    "words_result_num": 2,
    "log_id": 123456789
}

提取验证码的代码：

def extract_captcha(result):
    if "words_result" in result:
        return [item["words"] for item in result["words_result"]]
    return []
# 示例调用
captcha_texts = extract_captcha(result)
print("提取的验证码:", captcha_texts)

五、优化与注意事项

1. 提高识别准确率

• 图片质量：确保验证码清晰，避免模糊或过度压缩。
• 多模型结合：对复杂验证码，可尝试组合通用识别与高精度识别接口。
• 后处理：对识别结果进行正则表达式过滤（如仅保留数字和字母）。

2. 错误处理

• 网络异常：捕获requests.exceptions.RequestException。
• 接口限流：检查返回的error_code（如429表示请求过于频繁）。
• 无效图片：处理image_size_error等错误码。

3. 性能优化

• 批量识别：使用异步请求或多线程提高吞吐量。
• 缓存Token：避免频繁获取Access Token。

六、完整代码示例

import requests
import base64
import cv2
class BaiduOCR:
    def __init__(self, api_key, secret_key):
        self.api_key = api_key
        self.secret_key = secret_key
        self.access_token = self._get_access_token()
    def _get_access_token(self):
        url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={self.api_key}&client_secret={self.secret_key}"
        response = requests.get(url)
        return response.json().get("access_token")
    def recognize_captcha(self, image_path):
        url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token={self.access_token}"
        with open(image_path, "rb") as f:
            img_base64 = base64.b64encode(f.read()).decode("utf-8")
        headers = {"Content-Type": "application/x-www-form-urlencoded"}
        data = {"image": img_base64}
        response = requests.post(url, headers=headers, data=data)
        return response.json()
    def extract_text(self, result):
        return [item["words"] for item in result.get("words_result", [])]
# 使用示例
if __name__ == "__main__":
    ocr = BaiduOCR("your_api_key", "your_secret_key")
    result = ocr.recognize_captcha("captcha.png")
    captcha_text = "".join(ocr.extract_text(result))
    print("识别出的验证码:", captcha_text)

七、总结与扩展

通过调用百度通用文字识别接口，开发者可以快速实现高精度的验证码识别功能。本文详细介绍了从环境配置到代码实现的完整流程，并提供了优化建议。未来可探索以下方向：

• 结合机器学习模型，对特定类型的验证码进行定制化识别。
• 集成到自动化测试框架中，提升测试效率。
• 使用百度提供的其他OCR接口（如手写体识别、表格识别）扩展应用场景。

掌握这一技术后，开发者能够更高效地处理需要文字识别的任务，为项目开发提供有力支持。