Python验证码识别和生成(5000字详细实例和概念讲解)

Posted YR_T

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python验证码识别和生成(5000字详细实例和概念讲解)相关的知识,希望对你有一定的参考价值。

目录

哈喽O(∩_∩)O

ddddocr

安装

使用

试一下

去除广告

标记验证码

源码阅读

生成验证码

模拟登录网站

最后


哈喽O(∩_∩)O

        :.,,.-:*``*:-.,,.-:*``*:

         ╭╧╮  ╭╧╮ ╭╧╮  ╭╧╮

        ║周║║末║║快║║乐║

        └﹏┘└﹏┘└﹏┘└﹏┘

        * * * * * * * * * * * * *

 ╒╧╕    ╒╧╕   ╒╧╕   ╒╧╕   ╒╧╕

|財||招||吉||大||閣|

|源||財||祥||吉||家|

|廣||進||如||大||平|

|進||寶||意||利||安|

 ╘═╛    ╘═╛   ╘═╛   ╘═╛   ╘═╛

今天,我研究了一下Python爬虫的功能——验证码识别

比如某网站有这样一张人机验证的图片

 我要用程序识别出验证码是什么,并输入验证码,打开网站,爬取内容。

ddddocr

ddddocr是一款开源库,专门用来识别验证码,方便快捷

安装

终端运行:pip install ddddocr

使用

ddddocr接收这几个参数

参数名默认值说明
use_gpuFalseBool 是否使用gpu进行推理,如果该值为False则device_id不生效
device_id0

int cuda设备号,目前仅支持单张显卡

classification

参数名默认值说明
img0bytes 图片的bytes格式

试一下

在编译器中输入如下代码:

import ddddocr
ocr=ddddocr.DdddOcr(old=True)
with open("1.jpg", 'rb') as f:
    image = f.read()
print(ocr.classification(image))

1.jpg是这样的

输出结果:

可以看到,成功识别出了 z4ta 

但是,这个广告看着就很难受,有没有什么方法能去掉呢?

首先,我们来判断一下验证码和前面的广告是库作者拼接在一个字符串里,

还是是两个分别的字符串,分别输出

我们输出这个字符串的第0项看看

import ddddocr
ocr=ddddocr.DdddOcr(old=True)
with open("1.jpg", 'rb') as f:
    image = f.read()
print(ocr.classification(image)[0])

 输出:z

这就证明这是两个字符串,不影响正常使用

去除广告

我们按住 Ctrl,把光标移到“import ddddocr” 的ddddocr上,发现ddddocr变蓝了

 然后我们单击ddddocr,出来这个界面

这就是ddddocr的代码

我们找到这里

把这几行代码注释掉,改成 pass

再运行刚才的文件,发现输出变成了只有 z4ta

标记验证码

效果图:

可以看到,程序把 Z 、4、T、A 都用红圈圈了出来

程序(请安装opencv)

import ddddocr
import cv2

det = ddddocr.DdddOcr(det=True)

with open("1.jpg", 'rb') as f:
    image = f.read()

poses = det.detection(image)
print(poses)

im = cv2.imread("1.jpg")

for box in poses:
    x1, y1, x2, y2 = box
    im = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255), thickness=2)

cv2.imwrite("result.jpg", im)

 注意,1.jpg是我们要识别的验证码的图片

源码阅读

import warnings

warnings.filterwarnings('ignore')
import io
import os
import onnxruntime
from PIL import Image
import numpy as np

这里使用onnxruntime模型,使用filterwarnings过滤了可能出现的警告。PIL用于读入图片和缩放,使用numpy转化为矩阵。

class DdddOcr(object):
    def __init__(self, use_gpu: bool = False, device_id: int = 0):
        self.__graph_path = os.path.join(os.path.dirname(__file__), 'common.onnx')
        if use_gpu:
            self.__providers = [
                ('CUDAExecutionProvider', 
                    'device_id': device_id,
                    'arena_extend_strategy': 'kNextPowerOfTwo',
                    'cuda_mem_limit': 2 * 1024 * 1024 * 1024,
                    'cudnn_conv_algo_search': 'EXHAUSTIVE',
                    'do_copy_in_default_stream': True,
                ),
            ]
        else:
            self.__providers = [
                'CPUExecutionProvider',
            ]
        self.__ort_session = onnxruntime.InferenceSession(self.__graph_path, providers=self.__providers)
        self.__charset = ["", "掀", ...]  # 省略亿点点代码

此处定义了Ddddocr类,

名字意义
self.__graph_path模型位置
self.__providers模型参数
self.__ort_session模型session
self.__charset字符集
...  # 上面的代码
    def classification(self, img: bytes):
        image = Image.open(io.BytesIO(img))  # 使用BytesIO+pillow读入图片
        image = image.resize((int(image.size[0] * (64 / image.size[1])), 64), Image.ANTIALIAS).convert('L')  # 缩放为验证码大小,转为二值图
        image = np.array(image).astype(np.float32)   # 转为float32的矩阵
        image = np.expand_dims(image, axis=0) / 255.
        image = (image - 0.5) / 0.5
        ort_inputs = 'input1': np.array([image])  # 设置模型输入
        ort_outs = self.__ort_session.run(None, ort_inputs)  # 获取结果
        result = []
        last_item = 0
        for item in ort_outs[0][0]:  # 遍历模型,获取结果
            if item == last_item:
                continue
            else:
                last_item = item
            if item != 0:
                result.append(self.__charset[item])

        return ''.join(result)  # 返回result

生成验证码

如果你觉得用别人的验证码不过瘾的话,可以自己做验证码

代码比较简单

from PIL import Image,ImageDraw,ImageFont
import random
def getRandomColor():
   r = random.randint(0, 255)
   g = random.randint(0, 255)
   b = random.randint(0, 255)
   return (r,g,b)
def getRandomStr():
   num_random = str(random.randint(1,9))
   random_upper_alpha = chr(random.randint(65,90))
   random_char = random.choice([num_random,random_upper_alpha])
   return random_char
image = Image.new('RGB',(120,40),(255,255,255))
draw = ImageDraw.Draw(image)
font = ImageFont.truetype(r'K:\\msyh.ttc',size=24)
for i in range(4):
   draw.text((10+i*30,10),getRandomStr(),getRandomColor(),font=font)
width = 120
height = 40
for i in range(5):
   x1 = random.randint(0,width)
   x2 = random.randint(0,width)
   y1 = random.randint(0,height)
   y2 = random.randint(0,height)
   draw.line((x1,x2,y1,y2),fill=getRandomColor())
for i in range(20):
   draw.point([random.randint(0,width),random.randint(0,height)],fill=getRandomColor())
   x = random.randint(0,width)
   y = random.randint(0,height)
   draw.arc((x,y,x+5,y+5),0,90,fill=getRandomColor())
image.save('1.jpg')

模拟登录网站

我们可以自己做一个简单的页面(html

再自己破解。

import unittest
from PIL import Image
from selenium import webdriver
from time import sleep
import ddddocr


class WeChat(unittest.TestCase):

    # def __init__(self):
    def setUp(self) -> None:
        self.driver = webdriver.Chrome()
        # 自己的网站
        self.driver.get('website.html')
        #    全屏打开
        self.driver.maximize_window()

        self.driver.implicitly_wait(10)
        self.ocr = ddddocr.DdddOcr()

    def test_login_success(self):
        #  打开自己的网站会有安全认证
        self.driver.find_element('id', 'details-button').click()
        self.driver.find_element('id', 'proceed-link').click()
        self.driver.find_element('xpath', '//*[@id="layui-layer1"]/div[3]/a').click()

        sleep(1)
        self.driver.find_element('id', 'account').send_keys('BluetoothHaAdmin')
        self.driver.find_element('id', 'password').send_keys('000000')
        # 先获取屏幕截图,在找元素,定位大小,通过定位出来的地方截图后使用识别验证码模块,将其
        # 以二进制的方式识别后,输出后填写到填写验证码的位置
        self.driver.save_screenshot('Login_page.png')
        yzm_btn = self.driver.find_element('id', 'id_img')
        # 获取图片元素的位置
        loc = yzm_btn.location
        # 获取图片的宽高
        size = yzm_btn.size
        # 获取验证码上下左右的位置
        left = loc['x']
        top = loc['y']
        right = (loc['x'] + size['width'])
        bottom = (loc['y'] + size['height'])
        val = (left, top, right, bottom)
        # 打开网页截图
        login_pic = Image.open('Login_page.png')
        # print(val)
        # 通过上下左右的值,去截取验证码
        yzm_pic = login_pic.crop(val)
        yzm_pic.save('yzm.png')
        with open('yzm.png', 'rb') as f:
            img_bytes = f.read()
            # print (img_bytes)
            res = self.ocr.classification(img_bytes)
            print("验证码:", res, type(res))
            self.driver.find_element('id', 'id_webVerificationCode').send_keys(res)
        sleep(1)
        self.driver.find_element('id', 'id_loginButton').click()
        sleep(12)
        self.driver.quit()

if __name__ == '__main__':
    ocr = ddddocr.DdddOcr()
    wechat = WeChat()
    # 点击安全提醒
    sleep(12)
    #退出
    wechat.driver.quit()

最后

今天写了一篇长文,大家看了我的文章可能有一些收获

三连必回,其他不多说了了,拜拜!

创作打卡挑战赛 赢取流量/现金/CSDN周边激励大奖

以上是关于Python验证码识别和生成(5000字详细实例和概念讲解)的主要内容,如果未能解决你的问题,请参考以下文章

爬虫遇到头疼的验证码?Python实战讲解弹窗处理和验证码识别

python对动态验证码滑动验证码的降噪和识别

python对动态验证码滑动验证码的降噪和识别

Python爬虫实例 动态ip+抓包+验证码自动识别

web网站验证码自动识别

字符型图片验证码识别完整过程及Python实现