图片验证码识别

Posted 2021-05-01 AuraTech

开学啦！不要忘记学习哦！

在爬虫的过程中经常遇到验证码，这可真是一大难题，今天给大家带来的是识别图形验证码。

pytesseract

OCR，英文全称叫做Optical Character Recognition，中文名叫做光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。

操作系统：Windows7

python版本：3.6.5

1、安装tesseract：

2、配置环境变量

3、在python中使用tesseract

    安装库pytesseract：

pip install pytesseract

4、验证安装：

    准备一张验证码

import pytesseractfrom PIL import Imageimg = Image.open('code.png')code = pytesseract.image_to_string(img)print(code)13604 #输出

哈哈哈，这个输出真的很糟糕诶

你还可以添加一行

img.convert('L')

将图片转化为灰度图片，来看看效果吧

再看看输出

嗝儿~演砸了，这次居然啥都没有了哈哈哈

再将这几行代码添加进去呢

threshold = 80table = []for i in range(256):  if i < threshold:    table.append(0)  else:    table.append(1)img = img.point(table, '1')

这次再来看看图片变成什么样了

再看看输出

cre, |

我滴妈耶，这真的也太蠢了吧，这么简单的图片都无法识别，要你何用，辣鸡！

所以这个光学识别真的只能识别一些简单的验证码，不过你可以通过给他成千上万张图片训练他，来提高他的准确率。不过这样真的也是太麻烦了，要识别验证码还得靠打码平台。

打码平台

据说这些打码平台是有专门的人给你人眼识别，将他们看到的内容返回给你，所以精确度还是挺高的。

这个打码平台就很多了，小编选择的是超级鹰（我觉得应该收点广告费）。在刚注册时，他会送你1000题分，根据你选择的验证码类型进行扣分，当然，答错应该是不会扣分的。

它支持英文数字、中文汉字、纯数字、纯英文、任意特殊字符、问答类型等多种类型的图片验证码

在注册了账号后，进入开发者文档

到用户中心去生成一个软件id，点击python图标，获取接口文件

来看这个接口文件

代码一共只有40多行，在这个文件里定义了一个类Chaojiying_Client；

在初始化的时候需要传入三个参数username, password, soft_id，分别对应你的用户名，用户密码，和刚刚生成的软件id；

在PostPic方法里有两个参数im, codetype，分别是图片字节和题目类型；

在末尾return r.json()，返回了识别内容的json字符串。

所以，如果我们需要识别验证码，只需要在py文件里导入这个类，传入对应的参数，调用PostPic方法，并接收返回的值就欧克啦。

现在就让我们来看看这个打码平台的效果如何吧

from chaojiying import Chaojiying_Client
chaojiying=Chaojiying_Client('your username', 'yourpassword', 'your soft_id')im = open('code.png', 'rb').read()result = chaojiying.PostPic(im, 2004)   #输出：{'err_no': 0, 'err_str': 'OK', 'pic_id': '9078822202283100014', 'pic_str': '7364', 'md5': 'df7817ca734c3353fe7d820d09b30d31'}print(result['pic_str'])7364 #输出

忒霸，跪了跪了，完全正确！

好啦！本期内容就到这里，不要取关哦，咱们下期再见，mua~