验证码识别

点触验证码识别

爬虫遇到最多的就是验证码，验证码也是当前最为有效的反爬措施，python中机器视觉也有相关的模块解决这种情况

一、概述

1. OCR

光学字符识别（Optical Character Recognition）

2. 原理

通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为电子文本

3. tesserct-ocr

OCR的一个底层识别库（不是模块，不能导入）

Google维护的开源OCR识别库

4. pytesseract

Python模块,可调用底层识别库

对tesseract-ocr做的一层Python API封装

安装

• Ubuntu

  sudo apt-get install tesseract-ocr

• Windows

  下载安装包``

  字体库https://github.com/tesseract-ocr/tessdata

• 测试

  终端 | cmd命令行

  tesseract xxx.jpg 文件名

二、在线打码

网络上在线打码平台不计其数，这里以云打码为例

tesseract-ocr识别率很低,文字变形、干扰，导致无法识别验证码

1. 使用

• 下载并查看接口文档
• 调整接口文档，调整代码并接入程序测试
• 真正接入程序，在线识别后获取结果并使用

该演示涉及网站会员信息，不便展示，只做简要提示

• 下载API示例点击下载

• 写一个方法将其封装起来，记得填好自己的用户名和密码

  def get_result(filename):
      # 用户名
      username    = 'xxxxxxx'
      # 密码
      password    = 'xxxxxxx'
      # 软件ＩＤ，开发者分成必要参数。登录开发者后台【我的软件】获得！
      appid       = 1
      # 软件密钥，开发者分成必要参数。登录开发者后台【我的软件】获得！
      appkey      = '22cc5376925e9387a23cf797cb9ba745'
      # 图片文件
      filename    = filename
      # 验证码类型，# 例：1004表示4位字母数字，不同类型收费不同。请准确填写，否则影响识别率。在此查询所有类型 http://www.yundama.com/price.html
      codetype    = 5000
      # 超时时间，秒
      timeout     = 60
      # 检查
      if (username == 'username'):
          print('请设置好相关参数再测试')
      else:
          # 初始化
          yundama = YDMHttp(username, password, appid, appkey)
  
          # 登陆云打码
          uid = yundama.login()
          # 查询余额
          balance = yundama.balance()
          # 开始识别，图片路径，验证码类型ID，超时时间（秒），识别结果
          cid, result = yundama.decode(filename, codetype, timeout)
  
          return  result

• 在使用的时候直接调用即可

2. 示例

'''
以云打码为例，识别其登录验证码
'''

from fake_useragent import UserAgent

from ydmapi import * # 刚才修改的API

def get_cap():
    headers = {'User-Agent':UserAgent().random}
    url = "http://www.yundama.com/index/captcha"

    html = requests.get(url=url, headers=headers).content

    with open('demo.png', "wb") as f:
        f.write(html)

if __name__ == '__main__':
    get_cap()
    result = get_result("demo.png")
    print(result)

chancey@PythonServer:~/project/spider$ ls
00-test_ydm.py  01-ydm-yzm.py  02-ydm-yzm.py  demo.png  __pycache__  ydmapi.py
chancey@PythonServer:~/project/spider$ python3 02-ydm-yzm.py 
EGIV # 识别数来的EGIV