Python3爬虫中识别图形验证码的实例讲解


Posted in Python onJuly 30, 2020

本节我们首先来尝试识别最简单的一种验证码,图形验证码,这种验证码出现的最早,现在也很常见,一般是四位字母或者数字组成的,例如中国知网的注册页面就有类似的验证码,链接为:http://my.cnki.net/elibregister/commonRegister.aspx,页面:

Python3爬虫中识别图形验证码的实例讲解

表单的最后一项就是图形验证码,我们必须完全输入正确图中的字符才可以完成注册。

1.本节目标

本节我们就以知网的验证码为例,讲解一下利用 OCR 技术识别此种图形验证码的方法。

2. 准备工作

识别图形验证码需要的库有 Tesserocr,如果没有安装可以参考第一章的安装说明。

3. 获取验证码

为了便于实验,我们先将验证码的图片保存到本地,以供测试。

打开开发者工具,找到验证码元素,可以看到这是一张图片,它的 src 属性是 CheckCode.aspx,在这里我们直接将这个链接打开:http://my.cnki.net/elibregister/CheckCode.aspx,就可以看到一个验证码,直接右键保存下来即可,将名称命名为 code.jpg,如图 8-2 所示:

Python3爬虫中识别图形验证码的实例讲解

这样我们就可以得到一张验证码图片供下面测试识别使用了。

4. 识别测试

接下来我们新建一个项目,将验证码图片放到项目根目录下,用 Tesserocr 库来识别一下该验证码试试,代码如下:

import tesserocr
from PIL import Image
image = Image.open('code.jpg')
result = tesserocr.image_to_text(image)
print(result)

在这里我们首先新建了一个 Image 对象,然后调用了 Tesserocr 的 image_to_text() 方法,传入该 Image 对象即可完成识别,实现过程非常简单,识别结果如下:

JR42

另外 Tesserocr 还有一个更加简单的方法直接将图片文件转为字符串可以达到同样的效果,代码如下:

import tesserocr
print(tesserocr.file_to_text('image.png'))

不过经测试此种方法的识别效果不如上一种方法好。

5. 验证码处理

如上的图片识别基本没有难度,只是新建一个 Image 对象,然后调用 image_to_text() 方法即可得出图片的识别结果。

接下来我们换一个验证码试一下,命名为 code2.jpg,如图 8-3 所示:

Python3爬虫中识别图形验证码的实例讲解

重新用下面的代码测试一下:

import tesserocr
from PIL import Image
image = Image.open('code2.jpg')
result = tesserocr.image_to_text(image)
print(result)

这时可以看到如下输出结果:

FFKT

发现这次识别和实际的结果有所偏差,这是因为验证码内的多余线条干扰了图片的识别。

对于这种情况,我们还需要做一下额外的处理,如转灰度、二值化等操作。

我们可以利用 Image 对象的 convert() 方法参数传入 L 即可将图片转化为灰度图像,代码如下:

image = image.convert('L')
image.show()

传入 1 即可将图片进行二值化处理:

image = image.convert('1')
image.show()

另外我们还可以指定二值化的阈值,上面的方法采用的是默认阈值127,不过我们不能用原图直接转化,可以先转为灰度图像,然后再指定二值化阈值转化,代码如下:

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

在这里我们指定了一个变量 threshold 代表二值化阈值,阈值设置为 80,处理之后我们看一下结果,如图 8-4 所示:

Python3爬虫中识别图形验证码的实例讲解

经过处理之后我们发现原来的验证码中的线条已经被去除了,而且整个验证码变得黑白分明,这时重新识别验证码,代码如下:

import tesserocr
from PIL import Image
image = Image.open('code2.jpg')
image = image.convert('L')
threshold = 127
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table, '1')
result = tesserocr.image_to_text(image)
print(result)

即可发现运行结果变成了:

PFRT

识别正确。

可见对于一些有干扰的图片,我们做一些灰度和二值化处理,会提高其识别正确率。

6. 本节代码

本节代码地址为:https://github.com/Python3WebSpider/CrackImageCode。

7. 结语

本节我们了解了利用 Tesserocr 识别验证码的过程,对于简单的图形验证码我们可以直接用它来得到结果,如果要提高识别的准确度还可以对验证码图片做一下预处理。

以上就是Python3爬虫中识别图形验证码的实例讲解的详细内容,更多关于Python3爬虫识别图形验证码的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
python调用windows api锁定计算机示例
Apr 17 Python
Python中文件遍历的两种方法
Jun 16 Python
Python的Flask框架中@app.route的用法教程
Mar 31 Python
基于Django contrib Comments 评论模块(详解)
Dec 08 Python
python基础教程项目五之虚拟茶话会
Apr 02 Python
pandas数据分组和聚合操作方法
Apr 11 Python
解决django中ModelForm多表单组合的问题
Jul 18 Python
python机器学习实现决策树
Nov 11 Python
python爬虫库scrapy简单使用实例详解
Feb 10 Python
Python 通过爬虫实现GitHub网页的模拟登录的示例代码
Aug 17 Python
opencv+pyQt5实现图片阈值编辑器/寻色块阈值利器
Nov 13 Python
python反爬虫方法的优缺点分析
Nov 25 Python
Python3以GitHub为例来实现模拟登录和爬取的实例讲解
Jul 30 #Python
Python如何实现线程间通信
Jul 30 #Python
Python如何输出警告信息
Jul 30 #Python
Python设计密码强度校验程序
Jul 30 #Python
详解Pandas 处理缺失值指令大全
Jul 30 #Python
Python 爬虫的原理
Jul 30 #Python
Python爬虫与反爬虫大战
Jul 30 #Python
You might like
PHP实现Socket服务器的代码
2008/04/03 PHP
php 文件上传实例代码
2012/04/19 PHP
PHP编程风格规范分享
2014/01/15 PHP
PHP、Python和Javascript的装饰器模式对比
2015/02/03 PHP
php中使用url传递数组的方法
2015/02/11 PHP
php基于自定义函数记录log日志方法
2017/07/21 PHP
PHP For循环字母A-Z当超过26个字母时输出AA,AB,AC
2020/02/16 PHP
有关JavaScript的10个怪癖和秘密分享
2011/08/28 Javascript
jQuery学习笔记之jQuery动画效果
2013/09/09 Javascript
jquery隔行换色效果实现方法
2015/01/15 Javascript
javascript实现博客园页面右下角返回顶部按钮
2015/02/22 Javascript
jquery实现最简单的滑动菜单效果代码
2015/09/12 Javascript
常用的JQuery函数及功能小结
2016/03/24 Javascript
轻松掌握JavaScript单例模式
2016/08/25 Javascript
纯JS实现可拖拽表单的简单实例
2016/09/02 Javascript
bootstrap-table实现表头固定以及列固定的方法示例
2019/03/07 Javascript
Vue使用vue-draggable 插件在不同列表之间拖拽功能
2020/03/12 Javascript
解决vue项目运行提示Warnings while compiling.警告的问题
2020/09/18 Javascript
[01:18]DOTA2超级联赛专访hanci ForLove淘汰感言曝光
2013/06/04 DOTA
python创建线程示例
2014/05/06 Python
Python 遍历列表里面序号和值的方法(三种)
2017/02/17 Python
Python使用pyautocad+openpyxl处理cad文件示例
2019/07/11 Python
python使用minimax算法实现五子棋
2019/07/29 Python
基于django2.2连oracle11g解决版本冲突的问题
2020/07/02 Python
Python 如何操作 SQLite 数据库
2020/08/17 Python
python FTP编程基础入门
2021/02/27 Python
世界上最大的汽车共享网站:Zipcar
2017/01/14 全球购物
俄罗斯购买内衣网站:Trusiki
2020/08/22 全球购物
绝对经典成功的大学生推荐信
2013/11/08 职场文书
校园安全检查制度
2014/02/03 职场文书
竞选班干部演讲稿400字
2014/08/20 职场文书
2014年大学教师工作总结
2014/12/02 职场文书
区域销售经理岗位职责
2015/04/02 职场文书
第二次离婚起诉书
2015/05/18 职场文书
清洁工工作总结
2015/08/11 职场文书
Windows10下安装MySQL8
2021/04/06 MySQL