Consulta de CNPJ no site da receita, quebrando o captcha, implementado em python.
O modelo para quebra de captcha foi criado com base no brilhante trabalho de Daniel Falbel, Julio Trecenti, Caio Lente, Athos Damiani e todo o pessoal do decryptr (https://github.com/decryptr). Inclusive a base de treino usada foi coletada por eles.
O script necessita do software 'curl' para rodar. No linux debian/ubuntu, basta rodar:
sudo apt-get install curl
Também devem ser instaladas as dependências 'tensorflow' e 'keras':
pip install tensorflow keras
Por fim, o arquivo que carrega o modelo deve estar incluído na pasta do script. https://drive.google.com/file/d/1-I75klD5hnfY8TFogYJ9mLmBrF2Vg9Gw/view
Para usar o scraper:
from consulta_cnpj import crawlerReceita
x = crawlerReceita()
print(x.consulta_cnpj('60701190000104'))
O modelo que quebra o captcha está com acurácia de 75%. Mais pra frente, vou deixá-lo rodando mais tempo para chegar a uns 95%.