快捷導(dǎo)航

python簡單驗(yàn)證碼識別的實(shí)現(xiàn)過程

更新時間：2021年06月20日 12:11:13 作者：冰履踏青云

很多網(wǎng)站登錄都需要輸入驗(yàn)證碼,如果要實(shí)現(xiàn)自動登錄就不可避免的要識別驗(yàn)證碼,這篇文章主要給大家介紹了關(guān)于python簡單驗(yàn)證碼識別的實(shí)現(xiàn)過程,需要的朋友可以參考下

1. 環(huán)境準(zhǔn)備

1.1 安裝pillow 和 pytesseract

python模塊庫需要 pillow 和 pytesseract 這兩個庫，直接pip install 安裝就好了。

pip install pillow
pip install pytesseract

1.2 安裝Tesseract-OCR.exe

下載地址：ocr下載地址

建議下載最新穩(wěn)定版本：

tesseract-ocr-w64-setup-v5.0.0.20190623.exe。

安裝過程很簡單，直接點(diǎn)擊下一步就完事了，其間可以默認(rèn)安裝路徑，也可以自定義安裝路徑，裝好之后，把它的安裝路徑添加到環(huán)境變量中即可，如我的這樣：

我的安裝位置：

在這里插入圖片描述

環(huán)境變量就這樣加：

在這里插入圖片描述

1.3 更改pytesseract.py的ocr路徑

我們pip install pytesseract 之后，在python解釋器安裝位置包里可以找到pytesseract.py文件如下：

在這里插入圖片描述

打開之后，更改：

在這里插入圖片描述

至此，環(huán)境準(zhǔn)備工作算是大功告成了。

2. 測試識別效果

ocr一直默認(rèn)安裝，起始就可以支持?jǐn)?shù)字和英文字母識別的，接下來

我們準(zhǔn)備一張驗(yàn)證碼圖片：

在這里插入圖片描述

將圖片，命名為captcha.png，放到程序同一目錄下

import pytesseract
from PIL import Image
image = Image.open("captcha.png")
print(pytesseract.image_to_string(image))

效果：

在這里插入圖片描述

我們再嘗試一下中文識別。

在進(jìn)行識別之前我們要先下載好中文拓展語言包，
語言包地址

下載需要的的語言包，如下圖，紅框內(nèi)為中文簡體語言包：

在這里插入圖片描述

下載后將該包直接放在ocr程序安裝目錄的tessdata文件夾里面即可。

在這里插入圖片描述

找一張圖片測試一下：

在這里插入圖片描述

import pytesseract
from PIL import Image
image = Image.open("00.jpg")
print(pytesseract.image_to_string(image,lang='chi_sim'))

效果：

在這里插入圖片描述

有時候文本識別率并不高，建議圖像識別前，先對圖像進(jìn)行灰度化和二值化

代碼示例：

import pytesseract
from PIL import Image
file = r"00.jpg"

# 先對圖像進(jìn)行灰度化和 二值化
image = Image.open(file)
Img = image.convert('L')   # 灰度化
#自定義灰度界限，這里可以大于這個值為黑色，小于這個值為白色。threshold可根據(jù)實(shí)際情況進(jìn)行調(diào)整(最大可為255)。
threshold = 180
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
photo = Img.point(table, '1')  #圖片二值化
#保存處理好的圖片
photo.save('01.jpg')

image = Image.open('01.jpg')
# 解析圖片，lang='chi_sim'表示識別簡體中文，默認(rèn)為English
# 如果是只識別數(shù)字，可再加上參數(shù)config='--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789'
content = pytesseract.image_to_string(image, lang='chi_sim')
print(content)

3. 實(shí)戰(zhàn)案例–實(shí)現(xiàn)古詩文網(wǎng)驗(yàn)證碼自動識別登錄

import pytesseract
from PIL import Image
from selenium import webdriver


def save_captcha(path):
    driver = webdriver.Chrome()  # 創(chuàng)建瀏覽器對象
    driver.maximize_window()
    driver.implicitly_wait(10)
    driver.get(url=url)
    image = driver.find_element_by_id('imgCode')
    image.screenshot(path)
    return driver


def recognize_captcha(captcha_path):
    captcha = Image.open(captcha_path)  # 打開圖片
    grap = captcha.convert('L')  # 對圖片進(jìn)行灰度化處理
    data = grap.load()  # 將圖片對象加載成數(shù)據(jù)
    w, h = captcha.size  # 獲取圖片的大小(寬度,高度)
    # 圖片二值化處理
    for x in range(w):
        for y in range(h):
            if data[x, y] < 140:
                data[x, y] = 0
            else:
                data[x, y] = 255
    code = pytesseract.image_to_string(grap)  # 對圖片進(jìn)行識別
    return code


def login(driver, code):
    flag = True
    email = '1242931802@qq.com' # 注冊的古詩文網(wǎng)賬號和密碼
    password = 'xxxx'
    try:
        driver.find_element_by_id('email').send_keys(email)
        driver.find_element_by_id('pwd').send_keys(password)
        driver.find_element_by_id('code').send_keys(code)
        driver.implicitly_wait(10)
        driver.find_element_by_id('denglu').click()
    except Exception as ex:
        flag = False
    return flag


if __name__ == '__main__':
    url = 'https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'
    captcha_path = './captcha.png'
    count = 1
    driver = save_captcha(captcha_path)  # 獲取驅(qū)動
    code = recognize_captcha(captcha_path)  # 獲取驗(yàn)證碼
    print('識別驗(yàn)證碼為:', code)
    if login(driver, code):
        driver.quit()

效果如下（有時候第一次可能識別失敗，可以寫個循環(huán)邏輯讓它多識別幾次，一般程序運(yùn)行1-3次基本會識別成功）：

在這里插入圖片描述