中山大学羽毛球场馆自动订场(Python+selenium+百度aip)

双鸭山南校人太多，小伙伴们日常约球抢不到室内的场馆，只好去室外打。所以趁考完试有时间写了一个自动抢羽毛球场的脚本，网好的时候20秒订场无压力。下面来分享一波这个脚本的一些技术细节(重点讲一下图像降噪和百度云的文字识别接口)，也算是对我这两天学习的一个总结。

其实在大概在一年之前在自动操作浏览器上selenium+phantomjs还是标配，但是随着17年8月firefox和chrome相继推出了无头模式的浏览器完美地取代了phantomjs，所以selenium 3.8.1以上的版本都不再支持phantomjs。这个脚本用的是headless firefox，与以往Selenium不同的是需要额外加载selenium firefox 的官方Webdriver：Geckodriver，不然会报错。另外一个要注意的是如果想用headless firefox需要电脑本身已经安装了firefox(注意至少是56.0以上的版本，否则不支持无头模式)。

Gecokdriver下载地址：https://github.com/mozilla/geckodriver/releases

首先配置好driver并获取鸭大NetID登录页面信息：

配置好driver后，我们就可以用python在后台操作网页啦，一些常用的操作：

我们需要对登录页面截图，根据验证码的xpath定位验证码在整张截图的位置并截取保存验证码到本地：

原始的验证码是这样的：

虽然现在百度谷歌阿里都有各自的将图像识别成文字的python接口，但是这些接口在图像有噪音时普遍很差。比如这里的验证码有多条直线穿过，如果直接用像pytesseract这样的图像识别接口来识别的话基本上成功率只有百分之几，也就是说可能要试100次才能成功登陆几次，那我这卡着12点抢场地的脚本肯定要凉。所以必须对验证码进行降噪再进行图像识别才行。事实上经过降噪处理的验证码识别一次成功率达到了80%以上。

现在比较流行的比较标准的验证码识别套路是(图片来自https://blog.csdn.net/eddy_zheng/article/details/48895085)：

但是我发现我们学校验证码上的噪音线都是黑色的，而字符通常都是彩色的，这可是个大bug啊哈哈哈。所以我的降噪流程是：

1.将黑色以及接近黑色的噪音线(R,G,B值都接近0)替换为白色(R,G,B值都是255)

2.将第一步得到的图像进行二值处理变成黑白图像，灰度阈值设为160都可，也就是低于这个阈值的点都填白色，高于这个阈值的点都填黑色

3.提取边缘，使得字母和数字更清晰(虽然在这张图不太明显，但是经过几十张验证码的测试，这一步还是有必要的)：

4.把图片适当变大一点，提高文字识别的精度

到这里降噪就完成啦，顺便介绍一下python图片处理界的三个大佬：PIL、opencv和skimage。PIL应该是最老的一位大佬，有些年久失修而且目前只支持python 2.x版本，于是有人就把它改造升级成了python 3.x下的pillow，功能也变强了(但仍然是偏基础的库)。opencv可以说是高端玩家了，不仅高端还资格老，不仅资格老还在不停地更新。图像处理对opencv只是小菜，它还能处理视频，也有深度神经网络和机器学习功能，这意味着opencv自己就可以完成对文字识别的训练和深度学习提高识别精度，可以说是图像处理界的战斗机了。skimage看名字就知道它和大名鼎鼎的scikit-learn有点儿关系，功能上比较接近opencv，也是个强大的包。我觉得看documentation应该是学习一个包最快的方式，这里放上三个包的documentation地址。但是也放上一个写得不错的图像处理的总结比较贴供参考：https://blog.csdn.net/IAMoldpan/article/details/78628460

Documentation地址：

skimage : http://scikit-image.org/docs/stable/

opencv：https://docs.opencv.org/master/d9/df8/tutorial_root.html

PIL：http://pillow.readthedocs.io/en/5.2.x/

降噪部分的代码：