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
使用Python编写爬虫的基本模块及框架使用指南
Jan 20 Python
好用的Python编辑器WingIDE的使用经验总结
Aug 31 Python
numpy中索引和切片详解
Dec 15 Python
tensorflow识别自己手写数字
Mar 14 Python
Python中循环引用(import)失败的解决方法
Apr 22 Python
python3 字符串知识点学习笔记
Feb 08 Python
python with语句的原理与用法详解
Mar 30 Python
tensorflow使用CNN分析mnist手写体数字数据集
Jun 17 Python
如何基于Python爬取隐秘的角落评论
Jul 02 Python
Python实现微信表情包炸群功能
Jan 28 Python
python热力图实现简单方法
Jan 29 Python
Python+OpenCV实现在图像上绘制矩形
Mar 21 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保存带BOM文件的方法
2015/02/12 PHP
3种方法轻松处理php开发中emoji表情的问题
2016/07/18 PHP
浅谈PHP中静态方法和非静态方法的相互调用
2016/10/04 PHP
Thinkphp5框架ajax接口实现方法分析
2019/08/28 PHP
php中的钩子理解及应用实例分析
2019/08/30 PHP
JavaScript constructor和instanceof,JSOO中的一对欢喜冤家
2009/05/25 Javascript
幻灯片带网页设计中的20个奇妙应用示例小结
2012/05/27 Javascript
jquery实现弹出窗口效果的实例代码
2013/11/28 Javascript
HTML5实现留言和回复页面样式
2015/07/22 Javascript
JS 获取HTML标签内的子节点的方法
2016/09/21 Javascript
JS 中使用Promise 实现红绿灯实例代码(demo)
2017/10/20 Javascript
jQuery获取所有父级元素及同级元素及子元素的方法(推荐)
2018/01/21 jQuery
解决iView中时间控件选择的时间总是少一天的问题
2018/03/15 Javascript
详解Vuex下Store的模块化拆分实践
2019/07/31 Javascript
vue实现Input输入框模糊查询方法
2021/01/29 Javascript
python使用循环实现批量创建文件夹示例
2014/03/25 Python
举例讲解Python中is和id的用法
2015/04/03 Python
Python装饰器使用实例:验证参数合法性
2015/06/24 Python
Python列表和元组的定义与使用操作示例
2017/07/26 Python
Python读取Json字典写入Excel表格的方法
2018/01/03 Python
python判断输入日期为第几天的实例
2018/11/13 Python
Python爬虫实现验证码登录代码实例
2019/05/10 Python
Django 配置多站点多域名的实现步骤
2019/05/17 Python
pandas 选取行和列数据的方法详解
2019/08/08 Python
职工运动会邀请函
2014/01/19 职场文书
家长评语和期望
2014/02/10 职场文书
一体化教学实施方案
2014/05/10 职场文书
人事任命书格式
2014/06/05 职场文书
公司踏青活动方案
2014/08/16 职场文书
敬老月活动总结
2014/08/28 职场文书
暑期培训心得体会
2014/09/02 职场文书
学习党的群众路线剖析材料
2014/10/09 职场文书
委托收款证明
2015/06/23 职场文书
担保公司2015年终工作总结
2015/10/14 职场文书
2016年清明节寄语
2015/12/04 职场文书
javascript对象3个属性特征
2021/11/17 Javascript