python简单验证码识别的实现过程

目录

1. 环境准备1.1 安装pillow 和 pytesseract1.2 安装Tesseract-OCR.exe1.3 更改pytesseract.py的ocr路径2. 测试识别效果3. 实战案例–实现古诗文网验证码自动识别登录总结

1. 环境准备

1.1 安装pillow 和 pytesseract

python模块库需要 pillow 和 pytesseract 这两个库，直接pip install 安装就好了。

pip install pillow
pip install pytesseract 

1.2 安装Tesseract-OCR.exe

下载地址：ocr下载地址

建议下载最新稳定版本：

tesseract-ocr-w64-setup-v5.0.0.20190623.exe。

安装过程很简单，直接点击下一步就完事了，其间可以默认安装路径，也可以自定义安装路径，装好之后，把它的安装路径添加到环境变量中即可，如我的这样：

我的安装位置：

环境变量就这样加：

1.3 更改pytesseract.py的ocr路径

我们pip install pytesseract 之后，在python解释器安装位置包里可以找到pytesseract.py文件如下：

打开之后，更改：

至此，环境准备工作算是大功告成了。

2. 测试识别效果

ocr一直默认安装，起始就可以支持数字和英文字母识别的，接下来

我们准备一张验证码图片：

将图片，命名为captcha.png，放到程序同一目录下

import pytesseract
from PIL import Image
image = Image.open(\"captcha.png\")
print(pytesseract.image_to_string(image))

效果：

我们再尝试一下中文识别。

在进行识别之前我们要先下载好中文拓展语言包，
语言包地址

下载需要的的语言包，如下图，红框内为中文简体语言包：

下载后将该包直接放在ocr程序安装目录的tessdata文件夹里面即可。

找一张图片测试一下：

import pytesseract
from PIL import Image
image = Image.open(\"00.jpg\")
print(pytesseract.image_to_string(image,lang=\'chi_sim\'))

效果：

有时候文本识别率并不高，建议图像识别前，先对图像进行灰度化和 二值化

代码示例：

import pytesseract
from PIL import Image
file = r\"00.jpg\"

# 先对图像进行灰度化和 二值化
image = Image.open(file)
Img = image.convert(\'L\')   # 灰度化
#自定义灰度界限，这里可以大于这个值为黑色，小于这个值为白色。threshold可根据实际情况进行调整(最大可为255)。
threshold = 180
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
photo = Img.point(table, \'1\')  #图片二值化
#保存处理好的图片
photo.save(\'01.jpg\')

image = Image.open(\'01.jpg\')
# 解析图片，lang=\'chi_sim\'表示识别简体中文，默认为English
# 如果是只识别数字，可再加上参数config=\'--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789\'
content = pytesseract.image_to_string(image, lang=\'chi_sim\')
print(content)

3. 实战案例–实现古诗文网验证码自动识别登录

import pytesseract
from PIL import Image
from selenium import webdriver


def save_captcha(path):
    driver = webdriver.Chrome()  # 创建浏览器对象
    driver.maximize_window()
    driver.implicitly_wait(10)
    driver.get(url=url)
    image = driver.find_element_by_id(\'imgCode\')
    image.screenshot(path)
    return driver


def recognize_captcha(captcha_path):
    captcha = Image.open(captcha_path)  # 打开图片
    grap = captcha.convert(\'L\')  # 对图片进行灰度化处理
    data = grap.load()  # 将图片对象加载成数据
    w, h = captcha.size  # 获取图片的大小(宽度,高度)
    # 图片二值化处理
    for x in range(w):
        for y in range(h):
            if data[x, y] < 140:
                data[x, y] = 0
            else:
                data[x, y] = 255
    code = pytesseract.image_to_string(grap)  # 对图片进行识别
    return code


def login(driver, code):
    flag = True
    email = \'1242931802@qq.com\' # 注册的古诗文网账号和密码
    password = \'xxxx\'
    try:
        driver.find_element_by_id(\'email\').send_keys(email)
        driver.find_element_by_id(\'pwd\').send_keys(password)
        driver.find_element_by_id(\'code\').send_keys(code)
        driver.implicitly_wait(10)
        driver.find_element_by_id(\'denglu\').click()
    except Exception as ex:
        flag = False
    return flag


if __name__ == \'__main__\':
    url = \'https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx\'
    captcha_path = \'./captcha.png\'
    count = 1
    driver = save_captcha(captcha_path)  # 获取驱动
    code = recognize_captcha(captcha_path)  # 获取验证码
    print(\'识别验证码为:\', code)
    if login(driver, code):
        driver.quit()

效果如下（有时候第一次可能识别失败，可以写个循环逻辑让它多识别几次，一般程序运行1-3次基本会识别成功）：

总结