python如何处理掉12306的验证码

python

本文实例讲述了Python实现破解12306图片验证码的方法。分享给大家供大家参考,具体如下:

不知从何时起,12306的登录验证码竟然变成了按字找图,可以说是又提高了一个等次,竟然把图像识别都用上了。不过有些图片,不得不说有些变态,图片的清晰图就更别说了,明显是从网络上的图库中搬过来的。

相关推荐:《Python基础教程》

谁知没多久,网络就惊现破解12306图片验证码的Python代码了,作为一个爱玩爱刺激的网虫,当然要分享一份过来。

代码大致流程:

1、将验证码图片下载下来,然后切图;

2、利用百度识图进行图片分析;

3、再利用正则表达式来取出百度识图的关键字,最后输出。

代码:

#!/usr/bin/python

# # FileName  : fuck12306.py

# # Author   : MaoMao Wang <andelf@gmail.com>

# # Created   : Mon Mar 16 22:08:41 2015 by ShuYu Wang

# # Copyright  : Feather (c) 2015

# # Description : fuck fuck 12306

# # Time-stamp: <2015-03-17 10:57:44 andelf>

from PIL import Image

from PIL import ImageFilter

import urllib

import urllib2

import re

import json

# hack CERTIFICATE_VERIFY_FAILED

# https://github.com/mtschirs/quizduellapi/issues/2

import ssl

if hasattr(ssl, '_create_unverified_context'):

    ssl._create_default_https_context = ssl._create_unverified_context

UA = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome

/41.0.2272.89 Safari/537.36"

pic_url = "https://kyfw.12306.cn/otn/passcodeNew/getPassCodeNew?module=login&rand=sjrand&0.21191171556711197"

def get_img():

    resp = urllib.urlopen(pic_url)

    raw = resp.read()

    with open("./tmp.jpg", 'wb') as fp:

        fp.write(raw)

    return Image.open("./tmp.jpg")

def get_sub_img(im, x, y):

    assert 0 <= x <= 3

    assert 0 <= y <= 2

    WITH = HEIGHT = 68

    left = 5 + (67 + 5) * x

    top = 41 + (67 + 5) * y

    right = left + 67

    bottom = top + 67

    return im.crop((left, top, right, bottom))

def baidu_stu_lookup(im):

    url = "http://stu.baidu.com/n/image?fr=html5&needRawImageUrl=true&id=WU_FILE_0&name=233.png&type=

    image%2Fpng&lastModifiedDate=Mon+Mar+16+2015+20%3A49%3A11+GMT%2B0800+(CST)&size="

    im.save("./query_temp_img.png")

    raw = open("./query_temp_img.png", 'rb').read()

    url = url + str(len(raw))

    req = urllib2.Request(url, raw, {'Content-Type':'image/png', 'User-Agent':UA})

    resp = urllib2.urlopen(req)

    resp_url = resp.read()   # return a pure url

    url = "http://stu.baidu.com/n/searchpc?queryImageUrl=" + urllib.quote(resp_url)

    req = urllib2.Request(url, headers={'User-Agent':UA})

    resp = urllib2.urlopen(req)

    html = resp.read()

    return baidu_stu_html_extract(html)

def baidu_stu_html_extract(html):

    #pattern = re.compile(r'<script type="text/javascript">(.*?)</script>', re.DOTALL | re.MULTILINE)

    pattern = re.compile(r"keywords:'(.*?)'")

    matches = pattern.findall(html)

    if not matches:

        return '[UNKNOWN]'

    json_str = matches[0]

    json_str = json_str.replace('x22', '"').replace('\', '')

    #print json_str

    result = [item['keyword'] for item in json.loads(json_str)]

    return '|'.join(result) if result else '[UNKNOWN]'

def ocr_question_extract(im):

    # git@github.com:madmaze/pytesseract.git

    global pytesseract

    try:

        import pytesseract

    except:

        print "[ERROR] pytesseract not installed"

        return

    im = im.crop((127, 3, 260, 22))

    im = pre_ocr_processing(im)

    # im.show()

    return pytesseract.image_to_string(im,).strip()

def pre_ocr_processing(im):

    im = im.convert("RGB")

    width, height = im.size

    white = im.filter(ImageFilter.BLUR).filter(ImageFilter.MaxFilter(23))

    grey = im.convert('L')

    impix = im.load()

    whitepix = white.load()

    greypix = grey.load()

    for y in range(height):

        for x in range(width):

            greypix[x,y] = min(255, max(255 + impix[x,y][0] - whitepix[x,y][0],

                255 + impix[x,y][1] - whitepix[x,y][1],

                255 + impix[x,y][2] - whitepix[x,y][2]))

    new_im = grey.copy()

    binarize(new_im, 150)

    return new_im

def binarize(im, thresh=120):

    assert 0 < thresh < 255

    assert im.mode == 'L'

    w, h = im.size

    for y in xrange(0, h):

        for x in xrange(0, w):

            if im.getpixel((x,y)) < thresh:

                im.putpixel((x,y), 0)

            else:

                im.putpixel((x,y), 255)

if __name__ == '__main__':

    im = get_img()

    #im = Image.open("./tmp.jpg")

    print 'OCR Question:', ocr_question_extract(im)

    for y in range(2):

        for x in range(4):

            im2 = get_sub_img(im, x, y)

            result = baidu_stu_lookup(im2)

            print (y,x), result

以上是 python如何处理掉12306的验证码 的全部内容, 来源链接: utcz.com/z/522313.html

回到顶部