基于Python3 实现简单的验证码识别

一、缘 由

学习Selenium的过程，在尝试应用于实际工作中遇到的第一个问题，和开发沟通是否可以开个后门绕过验证码登录，但无果，遂决定自己尝试解决这个问题。

二、说 明

接下来我分享两种较为简单验证码的自动识别方法实现，一种如图1无杂质，仅仅添加有干扰的背景色，另一种在图1验证码的基础上再添加不规则的杂质，如图2所示。

图1 验证码(无杂质)

图2 验证码(有杂质)

三、方法及实现

3.1、图1（无杂质）验证码，实现自动识别

思 路：
首先截取整个web页面，然后定位验证码元素大小，截取验证码图片并保存，最后调用用OCR识别技术识别验证码，OK！

环 境：
Python3 + Selenium + OCR软件 + pytesseract/PIL(第三方图像识别库)
Python3安装两个第三方图像识别库，直接命令行输入：pip install pytesseract，同时也会附带安装PIL库
OCR软件下载（目前最新版是v3.05.01）：https://github.com/UB-Mannheim/tesseract/wik

配置环境变量：
PATH→ D:\Tesseract-OCR
TESSDATA_PREFIX→ D:\Tesseract-OCR\tessdata
注 意：OCR软件需要配置两个环境变量，一个是其安装路径，另一个是安装路径下的tessdata，变量名为：TESSDATA_PREFIX，这个点很重要！

实 现：

不带杂质验证码识别的具体实现

---

3.2、图2（有杂质）验证码，实现自动识别

思 路：
还是先截取整个web页面，然后定位验证码元素大小，截取验证码图片并保存，这次调用百度云识别技术识别验证码，OK！

说 明：
环境搭建与方法3.1一致，区别在于识别技术调用百度云-文字识别，基于Python的SDK下载、安装以及使用方法见官方SDK文档（调用需要有百度云账号）。
根据不同的文字识别技术，每天有50~500次的免费调用权限，如图所示，我本次所使用的是网络图片文字识别，目前对于图2类型（有杂质）的验证码识别正确率大概为40%，虽然识别率不高但是总比你手动输入方便。

识别技术列表

实 现：

带杂质验证码识别的具体实现

OK，搞定！如有问题欢迎随时沟通，评论~