用python登錄帶弱圖片驗證碼的網(wǎng)站

更新時間：2021年03月17日 11:44:00 作者：可愛的黑精靈

這篇文章主要介紹了用python登錄帶弱圖片驗證碼的網(wǎng)站方法，幫助大家更好的理解和學習使用python，感興趣的朋友可以了解下

上一篇介紹了使用python模擬登陸網(wǎng)站，但是登陸的網(wǎng)站都是直接輸入賬號及密碼進行登陸，現(xiàn)在很多網(wǎng)站為了加強用戶安全性和提高反爬蟲機制都會有包括字符、圖片、手機驗證等等各式各樣的驗證碼。圖片驗證碼就是其中一種，而且識別難度越來越大，人為都比較難識別。本篇我們簡單介紹一下使用python登陸帶弱圖片驗證碼的網(wǎng)站。

圖片驗證碼

一般都通過加干擾線、粘連或扭曲等方式來增加強度。

登陸

我們選擇一個政務網(wǎng)站（圖片驗證碼的強度較低）。

點擊個人用戶登錄

訪問網(wǎng)站首頁以后我們發(fā)現(xiàn)需要先點擊個人用戶登陸，且元素沒有name、id登標識不好獲取，所以我們直接執(zhí)行里面的onClick方法

# 新建selenium瀏覽器對象，后面是geckodriver.exe下載后本地路徑
browser = webdriver.Firefox()

url = 'http://xxx.gov.cn/'

# 瀏覽器訪問登錄頁面
browser.get(url)

# 等待3s用于加載腳本文件
browser.implicitly_wait(3)

# 點擊個人登陸
browser.execute_script('showpersonlogin();')

獲取圖片驗證碼

我們可以通過save_screenshot截圖，然后找到驗證碼元素，獲取元素位置然后在截圖的基礎上裁剪出驗證碼。

# 找到圖片驗證碼元素
img = browser.find_element_by_id('imgCode')

location = img.location

size = img.size

left = location['x']

top = location['y']

right = left + size['width']

bottom = top + size['height']

# 按照驗證碼的長寬，切割驗證碼
image_obj = loginPage.crop((left, top, right, bottom))

image_obj.save('code.png')

識別并登陸

由于該網(wǎng)站的驗證碼比較簡單可以直接用pytesseract模塊的image_to_string方法

orcCode = pytesseract.image_to_string('code.png')

# 輸入用戶名
username = browser.find_element_by_id('personaccount')
username.send_keys('賬號')

# 輸入密碼
password = browser.find_element_by_id('personpassword')
password.send_keys('密碼')

# 輸入驗證碼
code = browser.find_element_by_id('captcha1')
code.send_keys(orcCode)

# 執(zhí)行登錄
browser.execute_script('personlogin();')


# 關(guān)閉瀏覽器
# browser.quit()

識別較復雜驗證碼算法

網(wǎng)上找的算法，先將圖片轉(zhuǎn)為灰度圖，然后進行二值化處理（將圖像上的像素點的灰度值設置為0或255。如灰度大于等于閾值的像素，用255表示。否則為0。），再去噪（8鄰域降噪，判斷8個鄰域的黑色數(shù)量個數(shù)）。

ocrImage.py:

import pytesseract
from PIL import Image
from collections import defaultdict


# 獲取圖片中像素點數(shù)量最多的像素
def get_threshold(image):
  pixel_dict = defaultdict(int)

  # 像素及該像素出現(xiàn)次數(shù)的字典
  rows, cols = image.size
  for i in range(rows):
    for j in range(cols):
      pixel = image.getpixel((i, j))
      pixel_dict[pixel] += 1

  count_max = max(pixel_dict.values()) # 獲取像素出現(xiàn)出多的次數(shù)
  pixel_dict_reverse = {v: k for k, v in pixel_dict.items()}
  threshold = pixel_dict_reverse[count_max] # 獲取出現(xiàn)次數(shù)最多的像素點

  return threshold


# 按照閾值進行二值化處理
# threshold: 像素閾值
def get_bin_table(threshold):
  # 獲取灰度轉(zhuǎn)二值的映射table
  table = []
  for i in range(256):
    rate = 0.1 # 在threshold的適當范圍內(nèi)進行處理
    if threshold * (1 - rate) <= i <= threshold * (1 + rate):
      table.append(1)
    else:
      table.append(0)
  return table


# 去掉二值化處理后的圖片中的噪聲點
def cut_noise(image):
  rows, cols = image.size # 圖片的寬度和高度
  change_pos = [] # 記錄噪聲點位置

  # 遍歷圖片中的每個點，除掉邊緣
  for i in range(1, rows - 1):
    for j in range(1, cols - 1):
      # pixel_set用來記錄該店附近的黑色像素的數(shù)量
      pixel_set = []
      # 取該點的鄰域為以該點為中心的九宮格
      for m in range(i - 1, i + 2):
        for n in range(j - 1, j + 2):
          if image.getpixel((m, n)) != 1: # 1為白色,0位黑色
            pixel_set.append(image.getpixel((m, n)))

      # 如果該位置的九宮內(nèi)的黑色數(shù)量小于等于4，則判斷為噪聲
      if len(pixel_set) <= 4:
        change_pos.append((i, j))

  # 對相應位置進行像素修改，將噪聲處的像素置為1（白色）
  for pos in change_pos:
    image.putpixel(pos, 1)

  return image # 返回修改后的圖片


# 識別圖片中的數(shù)字加字母
# 傳入?yún)?shù)為圖片路徑，返回結(jié)果為：識別結(jié)果
def ocr_img(img_path):
  image = Image.open(img_path) # 打開圖片文件
  imgry = image.convert('L') # 轉(zhuǎn)化為灰度圖

  # 獲取圖片中的出現(xiàn)次數(shù)最多的像素，即為該圖片的背景
  max_pixel = get_threshold(imgry)
  # 將圖片進行二值化處理
  table = get_bin_table(threshold=max_pixel)
  out = imgry.point(table, '1')

  # 去掉圖片中的噪聲（孤立點）
  out = cut_noise(out)

  # 僅識別圖片中的數(shù)字
  # text = pytesseract.image_to_string(out, config='digits')
  # 識別圖片中的數(shù)字和字母
  text = pytesseract.image_to_string(out)
  # 去掉識別結(jié)果中的特殊字符
  exclude_char_list = ' .:\\|\'\"?![],()~@#$%^&*_+-={};<>/¥'
  text = ''.join([x for x in text if x not in exclude_char_list])

  return text