建站
咨詢
售后
建站咨詢
新聞中心
這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
創(chuàng)新互聯(lián)Python教程：python如何獲取驗(yàn)證碼圖片
首先導(dǎo)入一些用到的庫：re、Image、pytesseract、selenium、time。
創(chuàng)新互聯(lián)公司主要從事成都網(wǎng)站建設(shè)、網(wǎng)站制作、網(wǎng)頁設(shè)計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)封丘,十多年網(wǎng)站建設(shè)經(jīng)驗(yàn),價格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):13518219792
import re # 用于正則 from PIL import Image # 用于打開圖片和對圖片處理 import pytesseract # 用于圖片轉(zhuǎn)文字 from selenium import webdriver # 用于打開網(wǎng)站 import time # 代碼運(yùn)行停頓
首先需要獲取驗(yàn)證碼圖片，才能進(jìn)一步識別。
創(chuàng)建類，定義webdriver和find_element_by_selector方法，用來打開網(wǎng)頁和定位驗(yàn)證碼圖片的元素。
class VerificationCode: def __init__(self): self.driver = webdriver.Firefox() self.find_element = self.driver.find_element_by_css_selector
然后打開瀏覽器截取驗(yàn)證碼圖片
def get_pictures(self):
self.driver.get('http://123.255.123.3') # 打開登陸頁面
self.driver.save_screenshot('pictures.png') # 全屏截圖
page_snap_obj = Image.open('pictures.png')
img = self.find_element('#pic') # 驗(yàn)證碼元素位置
time.sleep(1)
location = img.location
size = img.size # 獲取驗(yàn)證碼的大小參數(shù)
left = location['x']
top = location['y']
right = left + size['width']
bottom = top + size['height']
image_obj = page_snap_obj.crop((left, top, right, bottom)) # 按照驗(yàn)證碼的長寬，切割驗(yàn)證碼
image_obj.show() # 打開切割后的完整驗(yàn)證碼
self.driver.close() # 處理完驗(yàn)證碼后關(guān)閉瀏覽器
return image_obj
未處理前的驗(yàn)證碼圖片如下：
未處理的驗(yàn)證碼圖片，對于python來說識別率較低，仔細(xì)看可以發(fā)現(xiàn)圖片里有很對五顏六色擾亂識別的點(diǎn)，非常影響識別率。
相關(guān)推薦：《Python視頻教程》
下面對獲取的驗(yàn)證碼進(jìn)行處理。
首先用convert把圖片轉(zhuǎn)成黑白色。設(shè)置threshold閾值，超過閾值的為黑色。
def processing_image(self):
image_obj = self.get_pictures() # 獲取驗(yàn)證碼
img = image_obj.convert("L") # 轉(zhuǎn)灰度
pixdata = img.load()
w, h = img.size
threshold = 160 # 該閾值不適合所有驗(yàn)證碼，具體閾值請根據(jù)驗(yàn)證碼情況設(shè)置
# 遍歷所有像素，大于閾值的為黑色
for y in range(h):
for x in range(w):
if pixdata[x, y] < threshold:
pixdata[x, y] = 0
else:
pixdata[x, y] = 255
return img
經(jīng)過灰度處理后的圖片：
然后刪除一些擾亂識別的像素點(diǎn)。
def delete_spot(self): images = self.processing_image() data = images.getdata() w, h = images.size black_point = 0 for x in range(1, w - 1): for y in range(1, h - 1): mid_pixel = data[w * y + x] # 中央像素點(diǎn)像素值 if mid_pixel < 50: # 找出上下左右四個方向像素點(diǎn)像素值 top_pixel = data[w * (y - 1) + x] left_pixel = data[w * y + (x - 1)] down_pixel = data[w * (y + 1) + x] right_pixel = data[w * y + (x + 1)] # 判斷上下左右的黑色像素點(diǎn)總個數(shù) if top_pixel < 10: black_point += 1 if left_pixel < 10: black_point += 1 if down_pixel < 10: black_point += 1 if right_pixel < 10: black_point += 1 if black_point < 1: images.putpixel((x, y), 255) black_point = 0 # images.show() return images
經(jīng)過去除噪點(diǎn)處理后的圖片：
最后把處理后的圖片轉(zhuǎn)成文字。
先設(shè)置pytesseract的路徑，因?yàn)槟J(rèn)路徑是錯的，然后轉(zhuǎn)換圖片為文字，由于個別圖片中識別會出現(xiàn)處理遺漏，會被識別成空格或則點(diǎn)或則分號什么的，所以增加了一個去除驗(yàn)證碼中特殊字符的處理。
def image_str(self): image = self.delete_spot() pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" # 設(shè)置pyteseract路徑 result = pytesseract.image_to_string(image) # 圖片轉(zhuǎn)文字 resultj = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])", "", result) #去除識別出來的特殊字符 result_four = resultj[0:4] # 只獲取前4個字符 # print(resultj) # 打印識別的驗(yàn)證碼 return result_four
完整代碼如下：
import re # 用于正則
from PIL import Image # 用于打開圖片和對圖片處理
import pytesseract # 用于圖片轉(zhuǎn)文字
from selenium import webdriver # 用于打開網(wǎng)站
import time # 代碼運(yùn)行停頓
class VerificationCode:
def __init__(self):
self.driver = webdriver.Firefox()
self.find_element = self.driver.find_element_by_css_selector
def get_pictures(self):
self.driver.get('http://123.255.123.3') # 打開登陸頁面
self.driver.save_screenshot('pictures.png') # 全屏截圖
page_snap_obj = Image.open('pictures.png')
img = self.find_element('#pic') # 驗(yàn)證碼元素位置
time.sleep(1)
location = img.location
size = img.size # 獲取驗(yàn)證碼的大小參數(shù)
left = location['x']
top = location['y']
right = left + size['width']
bottom = top + size['height']
image_obj = page_snap_obj.crop((left, top, right, bottom)) # 按照驗(yàn)證碼的長寬，切割驗(yàn)證碼
image_obj.show() # 打開切割后的完整驗(yàn)證碼
self.driver.close() # 處理完驗(yàn)證碼后關(guān)閉瀏覽器
return image_obj
def processing_image(self):
image_obj = self.get_pictures() # 獲取驗(yàn)證碼
img = image_obj.convert("L") # 轉(zhuǎn)灰度
pixdata = img.load()
w, h = img.size
threshold = 160
# 遍歷所有像素，大于閾值的為黑色
for y in range(h):
for x in range(w):
if pixdata[x, y] < threshold:
pixdata[x, y] = 0
else:
pixdata[x, y] = 255
return img
def delete_spot(self):
images = self.processing_image()
data = images.getdata()
w, h = images.size
black_point = 0
for x in range(1, w - 1):
for y in range(1, h - 1):
mid_pixel = data[w * y + x] # 中央像素點(diǎn)像素值
if mid_pixel < 50: # 找出上下左右四個方向像素點(diǎn)像素值
top_pixel = data[w * (y - 1) + x]
left_pixel = data[w * y + (x - 1)]
down_pixel = data[w * (y + 1) + x]
right_pixel = data[w * y + (x + 1)]
# 判斷上下左右的黑色像素點(diǎn)總個數(shù)
if top_pixel < 10:
black_point += 1
if left_pixel < 10:
black_point += 1
if down_pixel < 10:
black_point += 1
if right_pixel < 10:
black_point += 1
if black_point < 1:
images.putpixel((x, y), 255)
black_point = 0
# images.show()
return images
def image_str(self):
image = self.delete_spot()
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
# 設(shè)置pyteseract路徑
result = pytesseract.image_to_string(image) # 圖片轉(zhuǎn)文字
resultj = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])", "", result)
# 去除識別出來的特殊字符
result_four = resultj[0:4] # 只獲取前4個字符
# print(resultj) # 打印識別的驗(yàn)證碼
return result_four
if __name__ == '__main__':
a = VerificationCode()
a.image_str() 網(wǎng)站名稱：創(chuàng)新互聯(lián)Python教程：python如何獲取驗(yàn)證碼圖片
網(wǎng)頁鏈接：http://www.dlmjj.cn/article/copigjd.html
