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
用Python编写web API的教程
Apr 30 Python
Python聚类算法之凝聚层次聚类实例分析
Nov 20 Python
python使用matplotlib绘图时图例显示问题的解决
Apr 27 Python
Python程序员面试题 你必须提前准备!(答案及解析)
Jan 23 Python
对python中的logger模块全面讲解
Apr 28 Python
python爬取哈尔滨天气信息
Jul 14 Python
用python标准库difflib比较两份文件的异同详解
Nov 16 Python
python基于socket进行端口转发实现后门隐藏的示例
Jul 25 Python
python英语单词测试小程序代码实例
Sep 09 Python
django haystack实现全文检索的示例代码
Jun 24 Python
Python logging模块进行封装实现原理解析
Aug 07 Python
pycharm配置QtDesigner的超详细方法
Jan 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
Yii框架连接mongodb数据库的代码
2016/07/27 PHP
php使用curl模拟多线程实现批处理功能示例
2019/07/25 PHP
遍历jquery对象的代码分享
2011/11/02 Javascript
Jquery多选框互相内容交换的实例代码
2013/07/04 Javascript
JS.findElementById()使用介绍
2013/09/21 Javascript
js导出txt示例代码
2014/01/14 Javascript
iframe子页面与父页面在同域或不同域下的js通信
2014/05/07 Javascript
详谈jQuery中的this和$(this)
2014/11/13 Javascript
浅谈javascript实现八大排序
2015/04/27 Javascript
JavaScript动态添加style节点的方法
2015/06/09 Javascript
jquery判断复选框是否被选中的方法
2015/10/16 Javascript
JS实现网页每隔3秒弹出一次对话框的方法
2015/11/09 Javascript
js实现砖头在页面拖拉效果
2020/11/20 Javascript
[Bootstrap-插件使用]Jcrop+fileinput组合实现头像上传功能实例代码
2016/12/20 Javascript
浅谈Node.js之异步流控制
2017/10/25 Javascript
JS 实现微信扫一扫功能
2018/09/14 Javascript
vue-next/runtime-core 源码阅读指南详解
2019/10/25 Javascript
python封装对象实现时间效果
2020/04/23 Python
使用pandas实现csv/excel sheet互相转换的方法
2018/12/10 Python
Python3.5实现的三级菜单功能示例
2019/03/25 Python
Python2比较当前图片跟图库哪个图片相似的方法示例
2019/09/28 Python
tensorflow 模型权重导出实例
2020/01/24 Python
利用Python脚本实现自动刷网课
2020/02/03 Python
python上下文管理的使用场景实例讲解
2021/03/03 Python
AE美国鹰日本官方网站: American Eagle Outfitters
2016/12/10 全球购物
美国最顶级的精品店之一:Hampden Clothing
2016/12/22 全球购物
Flesh Beauty官网:露华浓集团旗下彩妆品牌
2021/02/15 全球购物
利达恒信公司.NET笔试题面试题
2016/03/05 面试题
大学生实习思想汇报
2014/01/12 职场文书
捐献物资倡议书范文
2014/05/19 职场文书
人代会标语
2014/06/30 职场文书
2014乡镇班子个人对照检查材料思想汇报
2014/09/26 职场文书
2014年大学学生会工作总结
2014/12/02 职场文书
2014年终个人总结报告
2015/03/09 职场文书
小王子读书笔记
2015/06/29 职场文书
golang中切片copy复制和等号复制的区别介绍
2021/04/27 Golang