#私藏项目实操分享#Python模拟登录，selenium模块，Python识别图形验证码实现自动登录 _模拟登录

亦余心之所善兮，虽九死其犹未悔。这篇文章主要讲述#私藏项目实操分享#Python模拟登录，selenium模块，Python识别图形验证码实现自动登录相关的知识，希望能为你提供帮助。
前言利用python识别图形验证码，实现自动登陆。废话不多说。
让我们愉快地开始吧~
开发工具Python版本： 3.6.4
相关模块：
re模块；
numpy模块；
pytesseract模块；
selenium模块；
以及一些Python自带的模块。
环境搭建安装Python并添加到环境变量，pip安装需要的相关模块即可。
1.灰度处理把彩色验证码图片转为灰色的图片

文章图片

import cv2image = cv2.imread(1.jpeg, 0) cv2.imwrite(1.jpg, image)

2.二值化处理将图片处理为只有黑白两色的图片，这里发现干扰线没有了，这就意味着我们只需要处理干扰点即可。

文章图片

import cv2image = cv2.imread(1.jpeg, 0) ret, image = cv2.threshold(image, 100, 255, 1) height, width = image.shape new_image = image[0:height, 0:150] cv2.imwrite(1.jpg, new_image)

3.降噪处理去除小黑点，也就是孤立的黑色像素点。

文章图片

点降噪原理就是检测黑色点相邻的8个点，判断8个点的颜色情况。如果全是白点，那么就认为这个点是白色的，做黑点变白点处理。如⑤点处，以田字格来看，相邻共有8个区域。
【#私藏项目实操分享#Python模拟登录，selenium模块，Python识别图形验证码实现自动登录】

文章图片

①②③点坐标如下图，同理可知④⑤⑥⑦⑧⑨点坐标情况

文章图片

降噪代码

import cv2 import numpy as np from PIL import Imagedef inverse_color(image, col_range): # 读取图片，0意味着图片变为灰度图 image = cv2.imread(image, 0) # 图片二值化，100为设置阀值，255为最大阀值，1为阀值类型，当前点值大于阀值，设置为0，否则设置为255。ret是return value缩写，代表当前的阀值 ret, image = cv2.threshold(image, 110, 255, 1) # 图片的高度和宽度 height, width = image.shape # 图片反色处理，原因：上面的处理只能生成白字黑底的图片，而我们需要的是黑字白底的图片 img2 = image.copy() for i in range(height): for j in range(width): img2[i, j] = (255 - image[i, j]) img = np.array(img2) # 对处理后的图片做截取 height, width = img.shape new_image = img[0:height, col_range[0]:col_range[1]] cv2.imwrite(handle_one.png, new_image) image = Image.open(handle_one.png) return imagedef clear_noise(img): # 图片降噪处理 x, y = img.width, img.height for i in range(x): for j in range(y): if sum_9_region(img, i, j) < 2: # 改变像素点颜色，白色 img.putpixel((i, j), 255) img = np.array(img) cv2.imwrite(handle_two.png, img) img = Image.open(handle_two.png) return imgdef sum_9_region(img, x, y): """ 田字格 """ # 获取当前像素点的颜色值 cur_pixel = img.getpixel((x, y)) width = img.width height = img.heightif cur_pixel == 255:# 如果当前点为白色区域,则不统计邻域值 return 10if y == 0:# 第一行 if x == 0:# 左上顶点,4邻域 # 中心点旁边3个点 sum_1 = cur_pixel + img.getpixel((x, y + 1)) + img.getpixel((x + 1, y)) + img.getpixel((x + 1, y + 1)) return 4 - sum_1 / 255 elif x == width - 1:# 右上顶点 sum_2 = cur_pixel + img.getpixel((x, y + 1)) + img.getpixel((x - 1, y)) + img.getpixel((x - 1, y + 1)) return 4 - sum_2 / 255 else:# 最上非顶点,6邻域 sum_3 = img.getpixel((x - 1, y)) + img.getpixel((x - 1, y + 1)) + cur_pixel + img.getpixel((x, y + 1)) + img.getpixel((x + 1, y)) + img.getpixel((x + 1, y + 1)) return 6 - sum_3 / 255elif y == height - 1:# 最下面一行 if x == 0:# 左下顶点 # 中心点旁边3个点 sum_4 = cur_pixel + img.getpixel((x + 1, y)) + img.getpixel((x + 1, y - 1)) + img.getpixel((x, y - 1)) return 4 - sum_4 / 255 elif x == width - 1:# 右下顶点 sum_5 = cur_pixel + img.getpixel((x, y - 1)) + img.getpixel((x - 1, y)) + img.getpixel((x - 1, y - 1)) return 4 - sum_5 / 255 else:# 最下非顶点,6邻域 sum_6 = cur_pixel + img.getpixel((x - 1, y)) + img.getpixel((x + 1, y)) + img.getpixel((x, y - 1)) + img.getpixel((x - 1, y - 1)) + img.getpixel((x + 1, y - 1)) return 6 - sum_6 / 255else:# y不在边界 if x == 0:# 左边非顶点 sum_7 = img.getpixel((x, y - 1)) + cur_pixel + img.getpixel((x, y + 1)) + img.getpixel((x + 1, y - 1)) + img.getpixel((x + 1, y)) + img.getpixel((x + 1, y + 1)) return 6 - sum_7 / 255 elif x == width - 1:# 右边非顶点 sum_8 = img.getpixel((x, y - 1)) + cur_pixel + img.getpixel((x, y + 1)) + img.getpixel((x - 1, y - 1)) + img.getpixel((x - 1, y)) + img.getpixel((x - 1, y + 1)) return 6 - sum_8 / 255 else:# 具备9领域条件的 sum_9 = img.getpixel((x - 1, y - 1)) + img.getpixel((x - 1, y)) + img.getpixel((x - 1, y + 1)) + img.getpixel((x, y - 1)) + cur_pixel + img.getpixel((x, y + 1)) + img.getpixel((x + 1, y - 1)) + img.getpixel((x + 1, y)) + img.getpixel((x + 1, y + 1)) return 9 - sum_9 / 255def main(): img = 1.jpeg img = inverse_color(img, (0, 160)) clear_noise(img)if __name__ == __main__: main()

解决最大的问题后，接下来就是实现自动登陆。首先使用selenium自动点击登陆按钮。

文章图片

截图进行处理，最后成功获取验证码。
这里为什么是截图呢，原因是验证码图片一直在变化。比如说我现在复制这个8863验证码的图片链接，在新的标签页打开，会发现验证码改变了，不是8863，而是另外一张验证码图片。那么我们通过获取当前页面的验证码链接，从而来获取验证码图片，这种方法肯定是不可行的。
通过查阅相关资料，知道了带cookies访问验证码链接页面，能够成功解决这个问题。不过由于相关的库没导入成功，也就放弃了。等下回做验证码机器学习的时候，再给予解决。