快捷導(dǎo)航

python識(shí)別驗(yàn)證碼的思路及解決方案

更新時(shí)間：2020年09月13日 08:06:18 作者：愛(ài)喝馬黛茶的安東尼

在本篇內(nèi)容里小編給大家整理的是一篇關(guān)于python識(shí)別驗(yàn)證碼的思路及解決方案，有需要的朋友們可以參考下。

1、介紹

在爬蟲(chóng)中經(jīng)常會(huì)遇到驗(yàn)證碼識(shí)別的問(wèn)題，現(xiàn)在的驗(yàn)證碼大多分計(jì)算驗(yàn)證碼、滑塊驗(yàn)證碼、識(shí)圖驗(yàn)證碼、語(yǔ)音驗(yàn)證碼等四種。本文就是識(shí)圖驗(yàn)證碼，識(shí)別的是簡(jiǎn)單的驗(yàn)證碼，要想讓識(shí)別率更高，識(shí)別的更加準(zhǔn)確就需要花很多的精力去訓(xùn)練自己的字體庫(kù)。

識(shí)別驗(yàn)證碼通常是這幾個(gè)步驟：

（1）灰度處理

（2）二值化

（3）去除邊框（如果有的話(huà)）

（4）降噪

（5）切割字符或者傾斜度矯正

（6）訓(xùn)練字體庫(kù)

（7）識(shí)別

這6個(gè)步驟中前三個(gè)步驟是基本的，4或者5可根據(jù)實(shí)際情況選擇是否需要。

經(jīng)常用的庫(kù)有pytesseract(識(shí)別庫(kù))、OpenCV(高級(jí)圖像處理庫(kù))、imagehash（圖片哈希值庫(kù)）、numpy（開(kāi)源的、高性能的Python數(shù)值計(jì)算庫(kù)）、PIL的 Image，ImageDraw，ImageFile等。

2、實(shí)例

以某網(wǎng)站登錄的驗(yàn)證碼識(shí)別為例：具體過(guò)程和上述的步驟稍有不同。

首先分析一下，驗(yàn)證碼是由4個(gè)從0到9等10個(gè)數(shù)字組成的，那么從0到9這個(gè)10個(gè)數(shù)字沒(méi)有數(shù)字只有第一、第二、第三和第四等4個(gè)位置。那么計(jì)算下來(lái)共有40個(gè)數(shù)字位置，如下：

那么接下來(lái)就要對(duì)驗(yàn)證碼圖片進(jìn)行降噪、分隔得到上面的圖片。以這40個(gè)圖片集作為基礎(chǔ)。

對(duì)要驗(yàn)證的驗(yàn)證碼圖片進(jìn)行降噪、分隔后獲取四個(gè)類(lèi)似上面的數(shù)字圖片、通過(guò)和上面的比對(duì)就可以知道該驗(yàn)證碼是什么了。

以上面驗(yàn)證碼2837為例：

1、圖片降噪

2、圖片分隔

3、圖片比對(duì)

通過(guò)比驗(yàn)證碼降噪、分隔后的四個(gè)數(shù)字圖片，和上面的40個(gè)數(shù)字圖片進(jìn)行哈希值比對(duì)，設(shè)置一個(gè)誤差，max_dif：允許最大hash差值，越小越精確，最小為0。

這樣四個(gè)數(shù)字圖片通過(guò)比較后獲取對(duì)應(yīng)是數(shù)字，連起來(lái)，就是要獲取的驗(yàn)證碼。

完整代碼如下：

#coding=utf-8
import os
import re
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
from selenium.webdriver.common.action_chains import ActionChains
import collections
import mongoDbBase
import numpy
import imagehash
from PIL import Image,ImageFile
import datetime
class finalNews_IE:
    def __init__(self,strdate,logonUrl,firstUrl,keyword_list,exportPath,codepath,codedir):
        self.iniDriver()
        self.db = mongoDbBase.mongoDbBase()
        self.date = strdate
        self.firstUrl = firstUrl
        self.logonUrl = logonUrl
        self.keyword_list = keyword_list
        self.exportPath = exportPath
        self.codedir = codedir
        self.hash_code_dict ={}
        for f in range(0,10):
            for l in range(1,5):
                file = os.path.join(codedir, "codeLibrary\code" +  str(f) + '_'+str(l) + ".png")
                # print(file)
                hash = self.get_ImageHash(file)
                self.hash_code_dict[hash]= str(f)
    def iniDriver(self):
        # 通過(guò)配置文件獲取IEDriverServer.exe路徑
        IEDriverServer = "C:\Program Files\Internet Explorer\IEDriverServer.exe"
        os.environ["webdriver.ie.driver"] = IEDriverServer
        self.driver = webdriver.Ie(IEDriverServer)
    def WriteData(self, message, fileName):
        fileName = os.path.join(os.getcwd(), self.exportPath + '/' + fileName)
        with open(fileName, 'a') as f:
            f.write(message)
    # 獲取圖片文件的hash值
    def get_ImageHash(self,imagefile):
        hash = None
        if os.path.exists(imagefile):
            with open(imagefile, 'rb') as fp:
                hash = imagehash.average_hash(Image.open(fp))
        return hash
    # 點(diǎn)降噪
    def clearNoise(self, imageFile, x=0, y=0):
        if os.path.exists(imageFile):
            image = Image.open(imageFile)
            image = image.convert('L')
            image = numpy.asarray(image)
            image = (image > 135) * 255
            image = Image.fromarray(image).convert('RGB')
            # save_name = "D:\work\python36_crawl\Veriycode\mode_5590.png"
            # image.save(save_name)
            image.save(imageFile)
            return image
    #切割驗(yàn)證碼
    # rownum：切割行數(shù)；colnum：切割列數(shù)；dstpath：圖片文件路徑；img_name：要切割的圖片文件
    def splitimage(self, imagePath,imageFile,rownum=1, colnum=4):
        img = Image.open(imageFile)
        w, h = img.size
        if rownum <= h and colnum <= w:
            print('Original image info: %sx%s, %s, %s' % (w, h, img.format, img.mode))
            print('開(kāi)始處理圖片切割, 請(qǐng)稍候...')
            s = os.path.split(imageFile)
            if imagePath == '':
                dstpath = s[0]
            fn = s[1].split('.')
            basename = fn[0]
            ext = fn[-1]
            num = 1
            rowheight = h // rownum
            colwidth = w // colnum
            file_list =[]
            for r in range(rownum):
                index = 0
                for c in range(colnum):
                    # (left, upper, right, lower)
                    # box = (c * colwidth, r * rowheight, (c + 1) * colwidth, (r + 1) * rowheight)
                    if index < 1:
                        colwid = colwidth + 6
                    elif index < 2:
                        colwid = colwidth + 1
                    elif index < 3:
                        colwid = colwidth
                    box = (c * colwid, r * rowheight, (c + 1) * colwid, (r + 1) * rowheight)
                    newfile = os.path.join(imagePath, basename + '_' + str(num) + '.' + ext)
                    file_list.append(newfile)
                    img.crop(box).save(newfile, ext)
                    num = num + 1
                    index += 1
            return file_list
    def compare_image_with_hash(self, image_hash1,image_hash2, max_dif=0):
        """
                max_dif: 允許最大hash差值, 越小越精確,最小為0
                推薦使用
                """
        dif = image_hash1 - image_hash2
        # print(dif)
        if dif < 0:
            dif = -dif
        if dif <= max_dif:
            return True
        else:
            return False
    # 截取驗(yàn)證碼圖片
    def savePicture(self):
        self.driver.get(self.logonUrl)
        self.driver.maximize_window()
        time.sleep(1)
        self.driver.save_screenshot(self.codedir +"\Temp.png")
        checkcode = self.driver.find_element_by_id("checkcode")
        location = checkcode.location  # 獲取驗(yàn)證碼x,y軸坐標(biāo)
        size = checkcode.size  # 獲取驗(yàn)證碼的長(zhǎng)寬
        rangle = (int(location['x']), int(location['y']), int(location['x'] + size['width']),
                  int(location['y'] + size['height']))  # 寫(xiě)成我們需要截取的位置坐標(biāo)
        i = Image.open(self.codedir +"\Temp.png")  # 打開(kāi)截圖
        result = i.crop(rangle)  # 使用Image的crop函數(shù)，從截圖中再次截取我們需要的區(qū)域
        filename = datetime.datetime.now().strftime("%M%S")
        filename =self.codedir +"\Temp_code.png"
        result.save(filename)
        self.clearNoise(filename)
        file_list = self.splitimage(self.codedir,filename)
        verycode =''
        for f in file_list:
            imageHash = self.get_ImageHash(f)
            for h,code in self.hash_code_dict.items():
                flag = self.compare_image_with_hash(imageHash,h,0)
                if flag:
                    # print(code)
                    verycode+=code
                    break
        print(verycode)
        self.driver.close()
   
    def longon(self):
        self.driver.get(self.logonUrl)
        self.driver.maximize_window()
        time.sleep(1)
        self.savePicture()
        accname = self.driver.find_element_by_id("username")
        # accname = self.driver.find_element_by_id("http://input[@id='username']")
        accname.send_keys('ctrchina')
        accpwd = self.driver.find_element_by_id("password")
        # accpwd.send_keys('123456')
        code = self.getVerycode()
        checkcode = self.driver.find_element_by_name("checkcode")
        checkcode.send_keys(code)
        submit = self.driver.find_element_by_name("button")
        submit.click()

實(shí)例補(bǔ)充：

# -*- coding: utf-8 -*
import sys
reload(sys)
sys.setdefaultencoding( "utf-8" )
import re
import requests
import io
import os
import json
from PIL import Image
from PIL import ImageEnhance
from bs4 import BeautifulSoup

import mdata

class Student:
 def __init__(self, user,password):
 self.user = str(user)
 self.password = str(password)
 self.s = requests.Session()

 def login(self):
 url = "http://202.118.31.197/ACTIONLOGON.APPPROCESS?mode=4"
 res = self.s.get(url).text
 imageUrl = 'http://202.118.31.197/'+re.findall('<img src="(.+?)" width="55"',res)[0]
 im = Image.open(io.BytesIO(self.s.get(imageUrl).content))
 enhancer = ImageEnhance.Contrast(im)
 im = enhancer.enhance(7)
 x,y = im.size
 for i in range(y):
  for j in range(x):
  if (im.getpixel((j,i))!=(0,0,0)):
   im.putpixel((j,i),(255,255,255))
 num = [6,19,32,45]
 verifyCode = ""
 for i in range(4):
  a = im.crop((num[i],0,num[i]+13,20))
  l=[]
  x,y = a.size
  for i in range(y):
  for j in range(x):
   if (a.getpixel((j,i))==(0,0,0)):
   l.append(1)
   else:
   l.append(0)
  his=0
  chrr="";
  for i in mdata.data:
  r=0;
  for j in range(260):
   if(l[j]==mdata.data[i][j]):
   r+=1
  if(r>his):
   his=r
   chrr=i
  verifyCode+=chrr
  # print "輔助輸入驗(yàn)證碼完畢:",verifyCode
 data= {
 'WebUserNO':str(self.user),
 'Password':str(self.password),
 'Agnomen':verifyCode,
 }
 url = "http://202.118.31.197/ACTIONLOGON.APPPROCESS?mode=4"
 t = self.s.post(url,data=data).text
 if re.findall("images/Logout2",t)==[]:
  l = '[0,"'+re.findall('alert((.+?));',t)[1][1][2:-2]+'"]'+" "+self.user+" "+self.password+"\n"
  # print l
  # return '[0,"'+re.findall('alert((.+?));',t)[1][1][2:-2]+'"]'
  return [False,l]
 else:
  l = '登錄成功 '+re.findall('!&nbsp;(.+?)&nbsp;',t)[0]+" "+self.user+" "+self.password+"\n"
  # print l
  return [True,l]

 def getInfo(self):
 imageUrl = 'http://202.118.31.197/ACTIONDSPUSERPHOTO.APPPROCESS'
 data = self.s.get('http://202.118.31.197/ACTIONQUERYBASESTUDENTINFO.APPPROCESS?mode＝3').text #學(xué)籍信息
 data = BeautifulSoup(data,"lxml")
 q = data.find_all("table",attrs={'align':"left"})
 a = []
 for i in q[0]:
  if type(i)==type(q[0]) :
  for j in i :
   if type(j) ==type(i):
   a.append(j.text)
 for i in q[1]:
  if type(i)==type(q[1]) :
  for j in i :
   if type(j) ==type(i):
   a.append(j.text)
 data = {}
 for i in range(1,len(a),2):
  data[a[i-1]]=a[i]
 # data['照片'] = io.BytesIO(self.s.get(imageUrl).content)
 return json.dumps(data)

 def getPic(self):
 imageUrl = 'http://202.118.31.197/ACTIONDSPUSERPHOTO.APPPROCESS'
 pic = Image.open(io.BytesIO(self.s.get(imageUrl).content))
 return pic

 def getScore(self):
  score = self.s.get('http://202.118.31.197/ACTIONQUERYSTUDENTSCORE.APPPROCESS').text #成績(jī)單
  score = BeautifulSoup(score, "lxml")
  q = score.find_all(attrs={'height':"36"})[0]
  point = q.text
  print point[point.find('平均學(xué)分績(jī)點(diǎn)'):]
  table = score.html.body.table
  people = table.find_all(attrs={'height' : '36'})[0].string
  r = table.find_all('table',attrs={'align' : 'left'})[0].find_all('tr')
  subject = []
  lesson = []
  for i in r[0]:
  if type(r[0])==type(i):
   subject.append(i.string)
  for i in r:
  k=0
  temp = {}
  for j in i:
   if type(r[0])==type(j):
   temp[subject[k]] = j.string
   k+=1
  lesson.append(temp)
  lesson.pop()
  lesson.pop(0)
  return json.dumps(lesson)

 def logoff(self):
 return self.s.get('http://202.118.31.197/ACTIONLOGOUT.APPPROCESS').text

if __name__ == "__main__":
 a = Student(20150000,20150000)
 r = a.login()
 print r[1]
 if r[0]:
 r = json.loads(a.getScore())
 for i in r:
  for j in i:
  print i[j],
  print
 q = json.loads(a.getInfo())
 for i in q:
  print i,q[i]
 a.getPic().show()
 a.logoff()

到此這篇關(guān)于python識(shí)別驗(yàn)證碼的思路及解決方案的文章就介紹到這了,更多相關(guān)python識(shí)別驗(yàn)證碼的思路是什么內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: