python简单验证码识别的实现过程 python简单验证码识别的实现过

1. 环境准备

1.1 安装pillow 和 pytesseract
1.2 安装Tesseract-OCR.exe
1.3 更改pytesseract.py的ocr路径

2. 测试识别效果

3. 实战案例–实现古诗文网验证码自动识别登录

总结

1. 环境准备
1.1 安装pillow 和 pytesseract
python模块库需要 pillow 和 pytesseract 这两个库，直接pip install 安装就好了。

pip install pillowpip install pytesseract

1.2 安装Tesseract-OCR.exe
下载地址：ocr下载地址
建议下载最新稳定版本：
tesseract-ocr-w64-setup-v5.0.0.20190623.exe。
安装过程很简单，直接点击下一步就完事了，其间可以默认安装路径，也可以自定义安装路径，装好之后，把它的安装路径添加到环境变量中即可，如我的这样：
我的安装位置：

文章图片

环境变量就这样加：

文章图片

1.3 更改pytesseract.py的ocr路径
我们pip install pytesseract 之后，在python解释器安装位置包里可以找到pytesseract.py文件如下：

文章图片

打开之后，更改：

文章图片

至此，环境准备工作算是大功告成了。

2. 测试识别效果 ocr一直默认安装，起始就可以支持数字和英文字母识别的，接下来
我们准备一张验证码图片：

文章图片

将图片，命名为captcha.png，放到程序同一目录下

import pytesseractfrom PIL import Imageimage = Image.open("captcha.png")print(pytesseract.image_to_string(image))

效果：

文章图片

我们再尝试一下中文识别。
在进行识别之前我们要先下载好中文拓展语言包，
语言包地址
下载需要的的语言包，如下图，红框内为中文简体语言包：

文章图片

下载后将该包直接放在ocr程序安装目录的tessdata文件夹里面即可。

文章图片

找一张图片测试一下：

文章图片

import pytesseractfrom PIL import Imageimage = Image.open("00.jpg")print(pytesseract.image_to_string(image,lang='chi_sim'))

效果：

文章图片

有时候文本识别率并不高，建议图像识别前，先对图像进行灰度化和二值化
代码示例：

import pytesseractfrom PIL import Imagefile = r"00.jpg"# 先对图像进行灰度化和二值化image = Image.open(file)Img = image.convert('L')# 灰度化#自定义灰度界限，这里可以大于这个值为黑色，小于这个值为白色。threshold可根据实际情况进行调整(最大可为255)。threshold = 180table = []for i in range(256):if i < threshold:table.append(0)else:table.append(1)photo = Img.point(table, '1')#图片二值化#保存处理好的图片photo.save('01.jpg')image = Image.open('01.jpg')# 解析图片，lang='chi_sim'表示识别简体中文，默认为English# 如果是只识别数字，可再加上参数config='--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789'content = pytesseract.image_to_string(image, lang='chi_sim')print(content)

3. 实战案例–实现古诗文网验证码自动识别登录

import pytesseractfrom PIL import Imagefrom selenium import webdriverdef save_captcha(path):driver = webdriver.Chrome()# 创建浏览器对象driver.maximize_window()driver.implicitly_wait(10)driver.get(url=url)image = driver.find_element_by_id('imgCode')image.screenshot(path)return driverdef recognize_captcha(captcha_path):captcha = Image.open(captcha_path)# 打开图片grap = captcha.convert('L')# 对图片进行灰度化处理data = https://www.it610.com/article/grap.load()# 将图片对象加载成数据w, h = captcha.size# 获取图片的大小(宽度,高度)# 图片二值化处理for x in range(w):for y in range(h):if data[x, y] < 140:data[x, y] = 0else:data[x, y] = 255code = pytesseract.image_to_string(grap)# 对图片进行识别return codedef login(driver, code):flag = Trueemail ='1242931802@qq.com' # 注册的古诗文网账号和密码password = 'xxxx'try:driver.find_element_by_id('email').send_keys(email)driver.find_element_by_id('pwd').send_keys(password)driver.find_element_by_id('code').send_keys(code)driver.implicitly_wait(10)driver.find_element_by_id('denglu').click()except Exception as ex:flag = Falsereturn flagif __name__ == '__main__':url = 'https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'captcha_path = './captcha.png'count = 1driver = save_captcha(captcha_path)# 获取驱动code = recognize_captcha(captcha_path)# 获取验证码print('识别验证码为:', code)if login(driver, code):driver.quit()

效果如下（有时候第一次可能识别失败，可以写个循环逻辑让它多识别几次，一般程序运行1-3次基本会识别成功）：