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。

立即学习“Java免费学习笔记（深入）”；

易森网络企业版

如果您是新用户，请直接将本程序的所有文件上传在任一文件夹下，Rewrite 目录下放置了伪静态规则和筛选器，可将规则添加进IIS，即可正常使用，不用进行任何设置；(可修改图片等)默认的管理员用户名、密码和验证码都是：yeesen系统默认关闭，请上传后登陆后台点击“核心管理”里操作如下:进入“配置管理”中的&ld

下载

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 "";
    }
}