Python 爬虫入门（四）—— 验证码下篇（破解简单的验证码） - 不剃头的一休哥

• Z时代
• 2024-01-10
• 分类：综合

　　年前写了验证码上篇，本来很早前就想写下篇来着，只是过年比较忙，还有就是验证码破解比较繁杂，方法不同，正确率也会有差异，我一直在找比较好的方案，但是好的方案都比较专业，设涉及到了图形图像处理这些，我也是一知半解，所以就耽误了下来，在此对一直等待的同学说声抱歉。有兴趣的同学可以自行看看这方面的资料。因为我们都是入门，这次就以简单点的验证码为例，讲述下流程。废话不多说，正式开始。

　　1.)获取验证码

　　在上节，我们已经讲述了获取验证码的方法，这里不作赘述。下面是我获取到的另一个网站的验证码（最后我会放一个验证码的压缩包，想要练习的同学可以下载下来，寻找准确率更高的方案）。

　2.)分析验证码

　　a.)分析样本空间

　　从上面的验证码可以看出，图片上总共有5个字，分别是操作数1、操作符、操作数2、"等于"。所以我们提取的话，只有前三个字是有效字。同时操作数的取值范围（0~9），操作符的取值为（加、乘）。所以总共有12个样本空间，操作数有10个，操作符有两个。

　　b.)分析提取范围

　　windows用户可以用系统自带的画板工具打开验证码，可以看到如下信息。

　　首先可以看到，验证码的像素是80*30，也就说横向80像素，纵向30像素，如果给它画上坐标系的话，坐标原点（0,0）为左上方顶点，向右为x轴（0=<x<80）,向下为y轴（0=<y<30）。(10,17)是当前鼠标（图片中的十字）所在位置的坐标，这个可以帮助我们确定裁剪的范围。我用的裁剪范围分别是：

　　操作数1和操作数2的大小做好保持一致，这样可以使两个操作数共用样本数据。region = (3,4,16,17) 其中（3,4）代表左上顶点的坐标，（16,17）代表右下顶点的坐标，这样就可以构成一个矩形。大小为（16-3，17-4）即宽和高均为13像素的矩形

　3.)处理验证码（这里我用的是python的"PIL"图像处理库）

　　　a.)转为灰度图

　　　　PIL 在这方面也提供了极完备的支持，我们可以：

　　　　img.convert("L")

　　　　把 img 转换为 256 级灰度图像， convert() 是图像实例对象的一个方法，接受一个 mode 参数，用以指定一种色彩模式，mode 的取值可以是如下几种：

　　　　· 1 (1-bit pixels, black and white, stored with one pixel per byte)

　　　　· L (8-bit pixels, black and white)

　　　　· P (8-bit pixels, mapped to any other mode using a colour palette)

　　　　· RGB (3x8-bit pixels, true colour)

　　　　· RGBA (4x8-bit pixels, true colour with transparency mask)

　　　　· CMYK (4x8-bit pixels, colour separation)

　　　　· YCbCr (3x8-bit pixels, colour video format)

　　　　· I (32-bit signed integer pixels)

　　　　· F (32-bit floating point pixels)

　　　　代码如下：

from PIL import Image
image = Image.open("H:\\authcode\\origin\\code3.jpg")
imgry = image.convert("L")
imgry.show()

　　　　运行结果：

　　　　然后二值化：

from PIL import Image
image = Image.open("H:\\authcode\\origin\\code3.jpg")
imgry = image.convert("L")
# imgry.show()
threshold = 100
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
out = imgry.point(table,\'1\')
out.show()

　　　　运行结果：

　　　　这个时候就是比较纯粹的黑白图了。

　　　　代码说明：

　　　　　　a).threshold = 100这个是一个阈值，具体是多少，看情况，如果比较专业的可以根据图片的灰度直方图来确定，一般而言，可以自己试试不同的值，看哪个效果最好。

　　　　　　b).其他的函数都是PIL自带的，有疑问的可以自己找资料查看

　　　　b.)图片裁剪

　　　　代码如下：

from PIL import Image
image = Image.open("H:\\authcode\\origin\\code3.jpg")
imgry = image.convert("L")
# imgry.show()
threshold = 100
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
out = imgry.point(table,\'1\')
# out.show()
region = (3,4,16,17)
result = out.crop(region)
result.show()

　　　　运行结果：

　　　　更改region的值就可以裁剪到不同的图片，然后对其进行分类。我是把每个数字都不同的文件夹里，结果如下：

　　4.)提取特征值

　　提取特征值的算法就是因人而异了，这里我用的是，对每个分割后的验证码，横向画两条线，纵向画两条线，记录与验证码的交点个数（很尴尬的是我这个方案，识别率不高，这里意思到了就行了，大家懂的）。

　　就是这么个意思。这四条线的表达式为：(横线)x=3和x=6,(竖线)y=2，y=11

　　　代码如下：

def yCount1(image):
    count = 0;
    x = 3
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def yCount2(image):
    count = 0;
    x = 6
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount1(image):
    count = 0
    y = 2
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount2(image):
    count = 0
    y = 11
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count

　　把（0~9）这10个数字取特征值之后就得到如下图的结果：

2:5:3:3-0
2:2:2:3-0
5:2:2:4-0
2:2:2:0-0
2:4:2:0-0
6:2:3:3-0
0:3:3:2-0
2:5:3:3-0
2:1:3:5-1
2:1:3:5-1
1:6:3:4-1
1:8:3:2-1
1:8:3:3-1
1:6:3:4-1
1:5:3:3-1
1:3:3:5-1
2:1:3:5-1
1:6:3:3-1
1:7:3:2-1
1:5:3:3-1
1:7:3:4-1
1:8:3:2-1
2:1:2:5-1
2:1:1:2-1
1:8:3:2-1
2:1:2:5-1
1:7:0:1-1
2:1:2:5-1
6:1:2:1-1
0:6:3:1-1
0:6:2:1-1
1:7:2:1-1
5:1:2:3-1
1:3:3:5-1
2:7:2:2-1
6:1:2:1-1
2:1:2:3-1
5:1:1:0-1
1:6:3:3-1
1:7:3:2-1
1:7:3:4-1
5:1:2:3-1
2:1:1:1-1
1:6:0:1-1
4:1:2:3-1
1:1:2:4-1
5:1:2:1-1
0:5:2:2-1
2:1:2:4-1
1:5:3:5-1
5:1:3:3-1
1:8:3:2-1
1:5:3:3-1
2:1:2:5-1
2:1:1:2-1
2:1:2:5-1
2:1:2:5-1
2:1:2:5-1
2:1:2:5-1
1:8:3:2-1
2:1:2:5-1
1:5:3:3-1
2:1:3:5-1
3:2:2:2-2
4:1:1:1-2
3:3:2:6-2
3:3:4:4-2
2:3:2:3-2
3:3:2:6-2
2:3:3:3-2
2:3:3:3-2
3:5:3:6-2

　　最后一个数字代表这个特征值的结果，比如3:5:3:6-2，代表如果一个图片满足3:5:3:6，那么我们就认为这个图片上的值为2

　　这样是有误差的

　　首先，存在一个特征值同时输入多个数字，比如，1:2:3:4可能输入2，也可能输入3，这个时候就会出现误差。（解决方案：取出现频率最高的结果，但是也会有误差）

　　其次，可能存在一个特征值不在我们的样本空间。（解决方案：扩大样本空间）

　5.)验证

　　完成以上几部，就可以进行破解测试了。

　　代码如下（crackcode是我自己写的函数）：

　　附录：

　　crackcode.py

#encoding=utf8
import checknumber
import splitImage
import checkoperation
def getCodeResult(image):
    image1 = splitImage.getNumImage(image,1)
    image2 = splitImage.getNumImage(image,2)
    image3 = splitImage.getNumImage(image,3)
    num1 = checknumber.getnum(image1)
    num2 = checknumber.getnum(image2)
    operation =checkoperation.getoperation(image3)
    # print `num1`+":"+`operation`+":"+`num2`
    if(int(operation) != 2):
       result =  int(num1) + int(num2)
    else:
       result =  int(num1) * int(num2)
    return result

　　checknumber.py　

#encoding=utf8
from PIL import Image
import test
import collections
f = open("../src/school")
lines = f.readlines()
ips={}
for i in range(0,len(lines)):
    ips[i] = lines[i]
def getnum(image):
    # newimage = test.handimage(image)
    newimage = image
    result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)`
    result_ips = []
    for x in range(len(ips)):
        if(ips[x].find(result)>-1):
            result_ips.append(ips[x].strip("\n").split(\'-\')[1])
    d = collections.Counter(result_ips)
    if(len(d.most_common(1))==0):
        return -1
    else:
        return d.most_common(1)[0][0]

　　splitImage.py

#encoding=utf8
from PIL import Image
def getNumImage(image,type):
    imgry = image.convert("L")
    threshold = 100
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    out = imgry.point(table,\'1\')
    if(type == 1):#操作数1
        region = (3,4,16,17)
        result = out.crop(region)
        return result
    elif(type == 2):#操作数2
        region = (33,4,46,17)
        result = out.crop(region)
        return result
    else:#操作符
        region = (18,4,33,17)
        result = out.crop(region)
        return result
    return result

　　checkoperation.py

#encoding=utf8
from PIL import Image
import test
import collections
f = open("../src/operation")
lines = f.readlines()
ips={}
for i in range(0,len(lines)):
    ips[i] = lines[i]
def getoperation(image):
    # newimage = test.handimage(image)
    newimage = image
    result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)`
    result_ips = []
    for x in range(len(ips)):
        if(ips[x].find(result)>-1):
            result_ips.append(ips[x].strip("\n").split(\'-\')[1])
    d = collections.Counter(result_ips)
    if(len(d.most_common(1))==0):
        return -1
    else:
        return d.most_common(1)[0][0]

　　test.py

#encoding=utf8
from pytesseract import *
from PIL import Image
def handimage(image):
    height = image.size[1]
    width = image.size[0]
    # print height,width
    for h in range(height):
        for w in range(width):
            pixel = image.getpixel((w,h))
            if(pixel<127):
                image.putpixel((w,h),0)
            else:
                image.putpixel((w,h),255)
    for h in range(height):
        for w in range(width):
            pixel = image.getpixel((w,h))
            # print pixel
    return image
def yCount1(image):
    count = 0;
    x = 3
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def yCount2(image):
    count = 0;
    x = 6
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount1(image):
    count = 0
    y = 2
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount2(image):
    count = 0
    y = 11
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count

operation和school分别为操作数和操作符的样本空间，可以自己获取。
验证码样本放在百度云了，500条：
链接：http://pan.baidu.com/s/1hrv5w7y 密码：igo6
至此，破解验证码的流程就结束了。

　　说明：

　　a).代码仅供学习交流

　　b).如有错误，多多指教

　　c).转载请注明出处

以上是 Python 爬虫入门（四）—— 验证码下篇（破解简单的验证码） - 不剃头的一休哥 的全部内容， 来源链接： utcz.com/z/386567.html