如何在PHP中使用谷歌 Gemini 大模型推理识别爬虫验证码？

在网络数据采集的过程中，图片验证码常常成为爬虫任务的障碍，它是网站用来区分人机的一种手段。然而，随着人工智能技术的不断进步，特别是Google DeepMind发布的Gemini模型，这一挑战得到了有效的解决。Gemini不仅能够理解文本、图像、音频、视频和代码，还能生成高质量的编程代码，大大拓宽了自动化处理的边界。

步骤一：环境搭建与依赖安装

首先，创建一个新项目，并安装必要的依赖，这包括Gemini PHP API客户端。

    
复制
    
# 创建项目
composer create-project workerman/webman webman20240312

# 安装依赖
composer require google-gemini-php/client

    

Gemini PHP是一个社区维护的项目，通过它，我们可以轻松地与Gemini AI API进行交互。为了让项目运行顺畅，还需要确保你的PHP版本至少为8.1，并安装了PSR-18兼容的客户端，比如guzzlehttp/guzzle。

    
复制
    
composer require guzzlehttp/guzzle

    

步骤二：使用Gemini识别文本

接下来，通过Gemini模型测试PHP语言的基本概念，只需简单的代码，即可让Gemini AI模型理解并生成PHP语言的描述。

    
复制
    
<?php
/**
 * @desc 在PHP中使用谷歌 Gemini 大模型推理识别验证码
 */
declare(strict_types=1);

require_once '../vendor/autoload.php';

$apiKey = 'AIzaSyAPxxxxxxxxxxxxxxx_uEpw';
$client = \Gemini::client($apiKey);
$result = $client->geminiPro()->generateContent('PHP语言是什么？');

echo $result->text() . PHP_EOL; 

    

输出

这一步不仅展示了Gemini的文本处理能力，也为之后的验证码识别做好了准备。

步骤三：验证码识别实践

随后，重点介绍了如何使用Gemini模型识别不同类型的图片验证码。

获取原始文本

    
复制
    
<?php
/**
 * @desc 在PHP中使用谷歌 Gemini 大模型推理识别验证码
 */
declare(strict_types=1);

require_once '../vendor/autoload.php';

use Psr\Http\Message\RequestInterface;
use Psr\Http\Message\ResponseInterface;

$apiKey = 'AIzaSyAPLiuNxxxxxxxxxxxxxxx_uEpw';
$client = \Gemini::factory()
    ->withApiKey($apiKey)
    ->withBaseUrl('https://gemini.ailard.com/v1/')
    ->withHttpClient($client = new \GuzzleHttp\Client([]))
    ->withStreamHandler(fn(RequestInterface $request): ResponseInterface => $client->send($request, [
        'stream' => true // Allows to provide a custom stream handler for the http client.
    ]))
    ->make();

$result = $client
    ->geminiProVision()
    ->generateContent([
        'I will provide you with an image CAPTCHA, please recognize the content inside the CAPTCHA and output the text',
        new \Gemini\Data\Blob(
            mimeType: \Gemini\Enums\MimeType::IMAGE_JPEG,
            data: base64_encode(
                file_get_contents('[图片路径]')
            )
        )
    ]);

echo $result->text() . PHP_EOL;

    

输出结果

    
复制
    
The content inside the CAPTCHA is "[原始文本]".

    

获取计算结果

    
复制
    
<?php
/**
 * @desc 获取验证码图片计算结果
 */
declare(strict_types=1);

require_once '../vendor/autoload.php';

use Psr\Http\Message\RequestInterface;
use Psr\Http\Message\ResponseInterface;

$apiKey = 'AIzaSyAPLiuNxxxxxxxxxxxxxxx_uEpw';
$client = \Gemini::factory()
    ->withApiKey($apiKey)
    ->withBaseUrl('https://gemini.ailard.com/v1/')
    ->withHttpClient($client = new \GuzzleHttp\Client([]))
    ->withStreamHandler(fn(RequestInterface $request): ResponseInterface => $client->send($request, [
        'stream' => true // Allows to provide a custom stream handler for the http client.
    ]))
    ->make();

$result = $client
    ->geminiProVision()
    ->generateContent([
        'I will provide you with an image CAPTCHA, please recognize the content inside the CAPTCHA and output the text',
        new \Gemini\Data\Blob(
            mimeType: \Gemini\Enums\MimeType::IMAGE_PNG,
            data: base64_encode(
                file_get_contents('[图片路径]')
            )
        )
    ]);

echo $result->text() . PHP_EOL;

    

输出结果

通过这两个实际的验证码案例，展示了从获取验证码图片到使用Gemini模型识别的完整流程。无论是简单的字符验证码，还是需要计算结果的验证码，Gemini都能准确识别，展现了其在图像处理方面的强大能力。

最后

通过上述步骤，我们不仅看到了Gemini AI模型在处理多种类型信息上的优秀表现，也见证了它在自动化爬取任务中，尤其是图片验证码识别方面的实际应用价值。结合PHP语言，我们可以轻松集成Gemini模型，提高数据采集的效率和准确性，为Web开发带来更多的可能性。