利用OCR技术识别图形验证码
安装tesserocr
- tesserocr GitHub:https://github.com/sirfz/tesserocr
- tesserocr PyPI:https://pypi.python.org/pypi/tesserocr
- tesseract 下载地址:http://digi.bib.uni-mannheim.de/tesseract
- tesseract GitHub:https://github.com/tesseract-ocr/tesseract
- tesseract 语言包:https://github.com/tesseract-ocr/tessdata
- tesseract 文档:https://github.com/tesseract-ocr/tesseract/wiki/Documentation
识别测试
import tesserocr
from PIL import Image
image = Image.open('code.jpg')
result = tesserocr.image_to_text(image)
print(result)
也可以直接将图片文件转为字符串
import tesserocr
print(tesserocr.file_to_text("image.png"))
验证码处理
利用Image对象的convert()方法参数传入L,即可将图片转化为灰度图像
image = image.convert("L")
image.show()
传入1可将图片进行二值化处理
image = image.convert("1")
image.show()
先将原图转为灰度图像,然后再制定二值化阀值。变量 threshold 代表二值化阈值,阈值设置为 80。
image = image.convert('L')
threshold = 80
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
image = image.point(table, '1')
image.show()
原来验证码中的线条已经去除,整个验证码变得黑白分明。这时重新识别验证码
import tesserocr
from PIL import Image
image = Image.open('code2.jpg')
image = image.convert('L')
threshold = 127
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
image = image.point(table, '1')
result = tesserocr.image_to_text(image)
print(result)
利用专业打码平台识别验证码
日常爬虫工作中,会遇到目标网站有图片验证码的反爬机制,除了手工配置识别图片外,为了提高效率,可以通过专业的打码平台来验证图片。这里用阿里云平台作为例子:
在阿里云市场有很多专业打码商品
https://market.aliyun.com/products/?keywords=%E5%9B%BE%E7%89%87%E8%AF%86%E5%88%AB%E9%AA%8C%E8%AF%81%E7%A0%81
选购成功后,记下你的AppCode
接下来开发代码逻辑:
import urllib.request
import ssl
#修改API说明修改接口地址
url = 'https://imgurlocr.market.alicloudapi.com/urlimages'
method = 'POST'
appcode = '你的AppCode'
querys = ''
bodys = {}
bodys['image'] = '''https://fegine-drug.oss-cn-shanghai.aliyuncs.com/image/urlimage.png'''
post_data = urllib.parse.urlencode(bodys).encode(encoding='UTF8')
request = urllib.request.Request(url, post_data)
#根据API的要求,定义相对应的Content-Type
request.add_header('Content-Type', 'application/x-www-form-urlencoded; charset=UTF-8')
request.add_header('Authorization', 'APPCODE ' + appcode)
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE
response = urllib.request.urlopen(request, context=ctx)
content = response.read()
if (content):
print(content.decode('UTF-8'))
返回结果:
{
"code": "1",
"msg": "查询成功",
"result_num": 1,
"result": [
{
"words": "给我跪下唱征服"
}
]
}
原文地址:https://www.cnblogs.com/hankleo/p/12359577.html
时间: 2024-10-08 23:12:08