Python OCR识别图片验证码（一）

小咪咪 2022-06-18 00:47 535阅读 0赞

欢迎加入学习交流QQ群：657341423

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

对于某些网站登录的时候，往往需要输入验证码才能实现登录。如果要爬虫这类网站，往往总会比这个验证码导致无法爬取数据。以下介绍一种比较折中的方法，也是比较可行的方法：  
实现思想：  
1、通过截图获取验证码图片，为什么要截图，有的人会说，可以通过验证码图片的链接爬取下来，再用OCR识别就可以了，理论上这个方法是可行的，但是当你用这方法的时候，会发觉下载的图片和你实际页面的图片里面的内容是不一样的。  
2、截图图片后，通过OCR识别，返回验证码内容，完成登录。

代码：

#保存图片，通过显示器xy坐标，这里值得注意的是，如果每个显示器的分辨率是不一样的，(332,415,385,440)这个坐标会随时改动。
    from PIL import ImageGrab
    addr='E:\\OCR\\bb.png'
    im = ImageGrab.grab((332,415,385,440))
    im.save(addr,'png')

OCR识别，尽管上OCR识别有一定的准确率，但这个是可以通过ocr开发提高识别准确率的。

import pytesser3
    print (pytesser3.image_file_to_string('bb.png'))

运行：  
下载图片：  
![这里写图片描述][SouthEast]  
OCR识别：  
![这里写图片描述][SouthEast 1]

定义一个简单登录方法：

from PIL import ImageGrab
    import pytesser3
    from selenium import webdriver
    
    def loginSys(loginName,password):
    	driver=webdriver.Ie()  
    	driver.get(url)
    	driver.implicitly_wait(60)
    	LoginTitle=driver.title
    
    	while 1:
    		result=driver.title
    		if LoginTitle==result:
    			#截图
    			addr='E:\\OCR\\bb.png'
    			im = ImageGrab.grab((332,415,385,440))
    			im.save(addr,'png')
    			#OCR
    			Code=pytesser3.image_file_to_string('bb.png')
    			print (pytesser3.image_file_to_string('bb.png'))
    			#自动登录，find_element_by_id自行修改
    			driver.switch_to.frame('loginFormFrame')
    			driver.find_element_by_id('id_loginName').send_keys(loginName)
    			driver.find_element_by_id('id_password').send_keys(password)
    			driver.find_element_by_id('id_certCode').send_keys(Code)
    			driver.implicitly_wait(10)
    			driver.find_element_by_xpath('//img[@onclick="doLogin();"]').click()
    			driver.implicitly_wait(10)
    			driver.switch_to.default_content()
    		else:
    			break
    	#cookies传递，用于request爬取数据		
    	cook=driver.get_cookies()
    	cookies[cook[0]['name']]=cook[0]['value']

解释：这里用了selenium做一个自动化登录的，这里会有疑问，为何不用requests，或者scrapy直接做后台登录。  
原因如下：首先我们找到登录  
![这里写图片描述][SouthEast 2]  
这是一张图片，而且图片触发是一个js，再看js  
js代码很长，大部分都是做检测功能。  
![这里写图片描述][SouthEast 3]  
如图所示，可以看到，这个登录是用get方法实现的，但是str是做了加密处理。  
加密处理最简单使用selenium 模拟人为登录，但性能上不算最优。除此之外，还可以在python中对str进行加密处理。本章节使用selenium 模拟人为登录。

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

[Python OCR识别图片验证码（二）][Python OCR]

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

欢迎加入学习交流QQ群：657341423

[SouthEast]: /images/20220618/fc17c8daa9c8415a85f092762745e2b4.png
[SouthEast 1]: /images/20220618/5bb753986cea4895958f3f21340ca4a9.png
[SouthEast 2]: /images/20220618/3941498cef8e4310ad74a0824d04ef3a.png
[SouthEast 3]: /images/20220618/541fc71f6682469f954c5e888e0dd302.png
[Python OCR]: http://blog.csdn.net/huangzhang_123/article/details/72819061