【Python】【验证码识别】python 模拟登陆时，验证码自动识别问题

Dear 丶 2022-06-10 10:17 300阅读 0赞

# Tesseract-OCR的简单使用与训练 #

--------------------

## Tesseract-OCR是设什么？ ##

Tesseract，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强；

## 我们所需软件 ##

[Tesseract-OCR 下载地址传送门][Tesseract-OCR]  
[jTessBoxEditor 下载地址传送门][jTessBoxEditor]

Tesseract-OCR软件安装,我们不作介绍，很简单，不会的可以百度下

安装好的截图

![这里写图片描述][SouthEast]

**cmd测试安装是否成功**

![这里写图片描述][SouthEast 1]

--------------------

## 如何提升tesseract识别准确率？ ##

tesseract可以识别验证码不假！可是不够准确，我们想要提高准确率，这时我们讲可以使用 **jTessBoxEditor** 来训练样本，提升识别的准确性！

--------------------

### 我们准备样本文件（注意样本必须是.tif/.fiff格式的） ###

![这里写图片描述][SouthEast 2]

### Merge样本文件 ###

【注意】：样本图像文件格式必须为tif\\tiff格式，否则在Merge样本文件的过程中会出现 Couldn’t Seek 的错误。

打开jTessBoxEditor，Tools->Merge TIFF，将样本文件全部选上，并将合并文件保存为zhiTong.font.exp0.tif  
我这里一直是（我这里虽然是tif格式的图片，依然出现了Couldn’t Seek 错误）

### 方式二：我们借助TiffToy.exe ###

[TiffToy.exe下载地址传送门][TiffToy.exe]

![这里写图片描述][SouthEast 3]

### 生成BOX文件 ###

打开命令行【cmd】并切换至zhiTong.font.exp0.tif所在目录，输入，生成文件名为zhiTong.font.exp0.box

tesseract zhiTong.font.exp0.tif zhiTong.font.exp0 batch.nochop makebox

【语法】：tesseract \[lang\].\[fontname\].exp\[num\].tif \[lang\].\[fontname\].exp\[num\] batch.nochop makebox

lang为语言名称，fontname为字体名称，num为序号；在tesseract中，一定要注意格式。

### 字符矫正 ###

打开jTessBoxEditor，BOX Editor -> Open，打开zhiTong.font.exp0.tif；  
![这里写图片描述][SouthEast 4]

修改char对应位置的字符，修改完成后记得  【save】 保存

![修改char对应位置的字符][char]

### 在目标文件下【cmd】执行 ###

echo font 0 0 0 0 0 >font_properties
    
    自动生成 font_properties文件

![这里写图片描述][SouthEast 5]

方法二：
    
    直接在目标文件下，新建一个txt,命名为font_properties
    
    在里边写内容：
    
    font 0 0 0 0 0 
    
    #【注意】最后一定txt的文件后缀名去掉，也就是去掉".txt"

### 批处理文件 ###

在【cmd】下执行批处理程序，一定要在cmd下找到目标文件下运行该命令：

echo Run Tesseract for Training.. 
    tesseract.exe zhiTong.font.exp0.tif zhiTong.font.exp0 nobatch box.train 
    
    echo Compute the Character Set.. 
    unicharset_extractor.exe zhiTong.font.exp0.box 
    mftraining -F font_properties -U unicharset -O zhiTong.unicharset zhiTong.font.exp0.tr 
    
    
    echo Clustering.. 
    cntraining.exe zhiTong.font.exp0.tr 
    
    echo Rename Files.. 
    rename normproto zhiTong.normproto 
    rename inttemp zhiTong.inttemp 
    rename pffmtable zhiTong.pffmtable 
    rename shapetable zhiTong.shapetable  
    
    echo Create Tessdata.. 
    combine_tessdata.exe zhiTong.

成功后，生成如下文件：  
![这里写图片描述][SouthEast 6]

我们将**zhiTong.traineddata**拷贝到 C:\\Program Files (x86)\\Tesseract-OCR\\tessdata（Tesseract-OCR安装位置 下的tessdata 下）  
![这里写图片描述][SouthEast 7]

### 我们在【Python】中调用识别库，识别验证码 ###

![这里写图片描述][SouthEast 8]

#一般我们网页识别验证码，是通过对网页验证码保存本地,然后在通过识别库，识别输出的
    newImg = Image.open('C:/Users/Administrator/Desktop/pic/11.jpg')
    text = pytesseract.image_to_string(newImg,lang='zhiTong')#lang='我们刚才新建的识别库'
    print(text)

网页验证码处理：
    def auto_img():
        driver.get_screenshot_as_file("D:/test2/智通图片/img.jpg") #对整个网页
        imgelement = driver.find_element_by_xpath('.//*[@id="captcha_image"]')  # 定位验证码
        location = imgelement.location  # 获取验证码x,y轴坐标
        size = imgelement.size  # 获取验证码的长宽
        rangle = (int(location['x'] + 10), int(location['y']), int(location['x'] + size['width'] - 20),
                  int(location['y'] + size['height']))  # 写成我们需要截取的位置坐标
        i = Image.open("D:/test2/智通图片/img.jpg")  # 打开截图
        i = i.convert('RGB')
        frame4 = 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
        frame4.save('D:/test2/智通图片/new.jpg')
        qq = Image.open('D:/test2/智通图片/new.jpg')
        #我开始对图片，做了二值化处理，可以忽略
    
        imgry = qq.convert('L')  # 图像加强，二值化
        sharpness = ImageEnhance.Contrast(imgry)  # 对比度增强
        sharp_img = sharpness.enhance(2.0)
        sharp_img.save("D:/test2/智通图片/new1.jpg")
        new2 = Image.open('D:/test2/智通图片/new1.jpg')
    
        return code

至此，我们就可以实现验证码识别，自动验证登录功能！

[Tesseract-OCR]: http://download.csdn.net/download/eb_num/9927935
[jTessBoxEditor]: http://download.csdn.net/download/eb_num/9927965
[SouthEast]: /images/20220610/c8af1b877f474aedb1fdc6bb7eab1689.png
[SouthEast 1]: /images/20220610/7781b3ab25f7402d8299a337d6003194.png
[SouthEast 2]: /images/20220610/cf964f934a5f4decb1963bda57e06e0f.png
[TiffToy.exe]: http://download.csdn.net/download/eb_num/9936970
[SouthEast 3]: /images/20220610/6246caa6b8d04a44878765e36ee7beee.png
[SouthEast 4]: /images/20220610/ad7c86a5a2884508b742dfe7d8898341.png
[char]: /images/20220610/087e0508e0304a149af0f03b40ec5fae.png
[SouthEast 5]: /images/20220610/b50c405dd8e542c8a4ef97d9c4cc56e7.png
[SouthEast 6]: /images/20220610/f681c2ce73de4b2d9f2f9fcbe7e41998.png
[SouthEast 7]: /images/20220610/f7c3d4a9d89943c1bc9254fb50480ac0.png
[SouthEast 8]: /images/20220610/072d93ec0b264af3b76a31104fc00d05.png