反反爬蟲技術提升，Python爬蟲遇到驗證碼的解決思路-有解無憂

一點睛

1 舉例

中國知網的注冊頁面使用的是這種驗證碼，頁面如下：

很多人學習python，不知道從何學起，
很多人學習python，掌握了基本語法過后，不知道在哪里尋找案例上手，
很多已經做案例的人，卻不知道如何去學習更加高深的知識，
那么針對這三類人，我給大家提供一個好的學習平臺，免費領取視頻教程，電子書籍，以及課程的源代碼！??¤
QQ群：623406465

二準備作業

1 目標

以知網的驗證碼為例，利用OCR（Optical Character Recognition 光學字符識別）技術識別圖形驗證碼，

2 安裝tesseract

2.2 下載tesseract-ocr-setup-3.05.01.exe

2.3 安裝注意事項

勾選Additional language data（download）選項，這樣可以識別多國語言，

3 安裝tesserocr

pip install tesserocr pillow

安裝好的Tesseract-OCR后，從D:\Program Files (x86)\Tesseract-OCR目錄下，將tessdata檔案夾拷貝到下面目錄

E:\WebSpider\venv\Scripts

4 獲取驗證碼

將驗證碼圖形保存到本地，命名為code.jpg

三實戰

1 實戰1

1.1 代碼

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 說明

code.jpg是DTKT

code1.jpg是JR42

code2.jpg是PFRT

將結果和實際圖片進行比較，正確率還是比較高的，

2 實戰2

2.1 代碼

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 說明

code.jpg是DTKT

code1.jpg是JR42

code2.jpg是PFRT

將結果和實際圖片進行比較，正確率并不是很高，

3 實戰3

3.1 代碼

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

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/188890.html

標籤：其他

上一篇：爬蟲知識點個人整理

下一篇：面試官問我：創建執行緒有幾種方式？我笑了