+关注
已关注

分类  

暂无分类

标签  

暂无标签

日期归档  

2020-04(58)

2020-05(23)

2020-06(36)

2020-07(34)

2020-08(39)

爬虫遇到验证码应该怎么解决?Python反反爬教学

发布于2020-10-25 08:49     阅读(365)     评论(0)     点赞(22)     收藏(2)


0

1

2

3

4

5

6

爬虫遇到验证码应该怎么解决?Python反反爬教学

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

 

 

一 前言

中国知网的注册页面使用的是这种验证码,页面如下:

二 准备工作

1 目标

以知网的验证码为例,利用OCR(Optical Character Recognition 光学字符识别)技术识别图形验证码。

2 安装tesseract

2.2 下载tesseract-ocr-setup-3.05.01.exe

2.3 安装注意事项

勾选Additional language data(download)选项,这样可以识别多国语言。

3 安装tesserocr

pip install tesserocr pillow

安装好的Tesseract-OCR后,从D:\Program Files (x86)\Tesseract-OCR目录下,将tessdata文件夹拷贝到下面目录

E:\WebSpider\venv\Scripts

4 获取验证码

将验证码图形 保存到本地,命名为code.jpg

三 实战

1 实战

1.1 代码

import tesserocr
from PIL import Image
 
image = Image.open('code.jpg')
result = tesserocr.image_to_text(image)
print(result)
 
image = Image.open('code1.jpg')
result = tesserocr.image_to_text(image)
print(result)
 
image = Image.open('code2.jpg')
result = tesserocr.image_to_text(image)
print(result)

1.2 效果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py
DTKD
JR42
PFRT

1.3 说明

code.jpg是DTKT

code1.jpg是JR42

code2.jpg是PFRT

将结果和实际图片进行比较,正确率还是比较高的。

2 实战2

2.1 代码

import tesserocr
 
print(tesserocr.file_to_text('code.jpg'))
print(tesserocr.file_to_text('code1.jpg'))
print(tesserocr.file_to_text('code2.jpg'))

2.2 效果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py
DTKD
.ll?42
FFKT

2.3 说明

code.jpg是DTKT

code1.jpg是JR42

code2.jpg是PFRT

将结果和实际图片进行比较,正确率并不是很高。

3 实战3

3.1 代码

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')
image.show()
 
result = tesserocr.image_to_text(image)
print(result)

3.2 效果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py
PFRT

0

1

2

3

4

5

6

7

8



所属网站分类: 技术文章 > 博客

作者:飞龙出海

链接: https://www.pythonheidong.com/blog/article/608651/3cfb5392fc7b58d10a68/

来源: python黑洞网

任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任

22 0
收藏该文
已收藏

评论内容:(最多支持255个字符)