python识别验证码的思路是什么

python

1、介绍

在爬虫中经常会遇到验证码识别的问题,现在的验证码大多分计算验证码、滑块验证码、识图验证码、语音验证码等四种。本文就是识图验证码,识别的是简单的验证码,要想让识别率更高,识别的更加准确就需要花很多的精力去训练自己的字体库。

识别验证码通常是这几个步骤:

(1)灰度处理

(2)二值化

(3)去除边框(如果有的话)

(4)降噪

(5)切割字符或者倾斜度矫正

(6)训练字体库

(7)识别

这6个步骤中前三个步骤是基本的,4或者5可根据实际情况选择是否需要。

经常用的库有pytesseract(识别库)、OpenCV(高级图像处理库)、imagehash(图片哈希值库)、numpy(开源的、高性能的Python数值计算库)、PIL的 Image,ImageDraw,ImageFile等。

2、实例

以某网站登录的验证码识别为例:具体过程和上述的步骤稍有不同。

首先分析一下,验证码是由4个从0到9等10个数字组成的,那么从0到9这个10个数字没有数字只有第一、第二、第三和第四等4个位置。那么计算下来共有40个数字位置,如下:

那么接下来就要对验证码图片进行降噪、分隔得到上面的图片。以这40个图片集作为基础。

对要验证的验证码图片进行降噪、分隔后获取四个类似上面的数字图片、通过和上面的比对就可以知道该验证码是什么了。

以上面验证码2837为例:

1、图片降噪

2、图片分隔

3、图片比对

通过比验证码降噪、分隔后的四个数字图片,和上面的40个数字图片进行哈希值比对,设置一个误差,max_dif:允许最大hash差值,越小越精确,最小为0。

这样四个数字图片通过比较后获取对应是数字,连起来,就是要获取的验证码。

完整代码如下:

#coding=utf-8

import os

import re

from selenium import webdriver

from selenium.webdriver.common.keys import Keys

import time

from selenium.webdriver.common.action_chains import ActionChains

import collections

import mongoDbBase

import numpy

import imagehash

from PIL import Image,ImageFile

import datetime

class finalNews_IE:

    def __init__(self,strdate,logonUrl,firstUrl,keyword_list,exportPath,codepath,codedir):

        self.iniDriver()

        self.db = mongoDbBase.mongoDbBase()

        self.date = strdate

        self.firstUrl = firstUrl

        self.logonUrl = logonUrl

        self.keyword_list = keyword_list

        self.exportPath = exportPath

        self.codedir = codedir

        self.hash_code_dict ={}

        for f in range(0,10):

            for l in range(1,5):

                file = os.path.join(codedir, "codeLibrarycode" +  str(f) + '_'+str(l) + ".png")

                # print(file)

                hash = self.get_ImageHash(file)

                self.hash_code_dict[hash]= str(f)

    def iniDriver(self):

        # 通过配置文件获取IEDriverServer.exe路径

        IEDriverServer = "C:Program FilesInternet ExplorerIEDriverServer.exe"

        os.environ["webdriver.ie.driver"] = IEDriverServer

        self.driver = webdriver.Ie(IEDriverServer)

    def WriteData(self, message, fileName):

        fileName = os.path.join(os.getcwd(), self.exportPath + '/' + fileName)

        with open(fileName, 'a') as f:

            f.write(message)

    # 获取图片文件的hash值

    def get_ImageHash(self,imagefile):

        hash = None

        if os.path.exists(imagefile):

            with open(imagefile, 'rb') as fp:

                hash = imagehash.average_hash(Image.open(fp))

        return hash

    # 点降噪

    def clearNoise(self, imageFile, x=0, y=0):

        if os.path.exists(imageFile):

            image = Image.open(imageFile)

            image = image.convert('L')

            image = numpy.asarray(image)

            image = (image > 135) * 255

            image = Image.fromarray(image).convert('RGB')

            # save_name = "D:workpython36_crawlVeriycodemode_5590.png"

            # image.save(save_name)

            image.save(imageFile)

            return image

    #切割验证码

    # rownum:切割行数;colnum:切割列数;dstpath:图片文件路径;img_name:要切割的图片文件

    def splitimage(self, imagePath,imageFile,rownum=1, colnum=4):

        img = Image.open(imageFile)

        w, h = img.size

        if rownum <= h and colnum <= w:

            print('Original image info: %sx%s, %s, %s' % (w, h, img.format, img.mode))

            print('开始处理图片切割, 请稍候...')

            s = os.path.split(imageFile)

            if imagePath == '':

                dstpath = s[0]

            fn = s[1].split('.')

            basename = fn[0]

            ext = fn[-1]

            num = 1

            rowheight = h // rownum

            colwidth = w // colnum

            file_list =[]

            for r in range(rownum):

                index = 0

                for c in range(colnum):

                    # (left, upper, right, lower)

                    # box = (c * colwidth, r * rowheight, (c + 1) * colwidth, (r + 1) * rowheight)

                    if index < 1:

                        colwid = colwidth + 6

                    elif index < 2:

                        colwid = colwidth + 1

                    elif index < 3:

                        colwid = colwidth

                    box = (c * colwid, r * rowheight, (c + 1) * colwid, (r + 1) * rowheight)

                    newfile = os.path.join(imagePath, basename + '_' + str(num) + '.' + ext)

                    file_list.append(newfile)

                    img.crop(box).save(newfile, ext)

                    num = num + 1

                    index += 1

            return file_list

    def compare_image_with_hash(self, image_hash1,image_hash2, max_dif=0):

        """

                max_dif: 允许最大hash差值, 越小越精确,最小为0

                推荐使用

                """

        dif = image_hash1 - image_hash2

        # print(dif)

        if dif < 0:

            dif = -dif

        if dif <= max_dif:

            return True

        else:

            return False

    # 截取验证码图片

    def savePicture(self):

        self.driver.get(self.logonUrl)

        self.driver.maximize_window()

        time.sleep(1)

        self.driver.save_screenshot(self.codedir +"Temp.png")

        checkcode = self.driver.find_element_by_id("checkcode")

        location = checkcode.location  # 获取验证码x,y轴坐标

        size = checkcode.size  # 获取验证码的长宽

        rangle = (int(location['x']), int(location['y']), int(location['x'] + size['width']),

                  int(location['y'] + size['height']))  # 写成我们需要截取的位置坐标

        i = Image.open(self.codedir +"Temp.png")  # 打开截图

        result = i.crop(rangle)  # 使用Image的crop函数,从截图中再次截取我们需要的区域

        filename = datetime.datetime.now().strftime("%M%S")

        filename =self.codedir +"Temp_code.png"

        result.save(filename)

        self.clearNoise(filename)

        file_list = self.splitimage(self.codedir,filename)

        verycode =''

        for f in file_list:

            imageHash = self.get_ImageHash(f)

            for h,code in self.hash_code_dict.items():

                flag = self.compare_image_with_hash(imageHash,h,0)

                if flag:

                    # print(code)

                    verycode+=code

                    break

        print(verycode)

        self.driver.close()

   

    def longon(self):

        self.driver.get(self.logonUrl)

        self.driver.maximize_window()

        time.sleep(1)

        self.savePicture()

        accname = self.driver.find_element_by_id("username")

        # accname = self.driver.find_element_by_id("//input[@id='username']")

        accname.send_keys('ctrchina')

        accpwd = self.driver.find_element_by_id("password")

        # accpwd.send_keys('123456')

        code = self.getVerycode()

        checkcode = self.driver.find_element_by_name("checkcode")

        checkcode.send_keys(code)

        submit = self.driver.find_element_by_name("button")

        submit.click()

众多python教程,尽在网,欢迎在线学习!

以上是 python识别验证码的思路是什么 的全部内容, 来源链接: utcz.com/z/524310.html

回到顶部