上一篇介紹了使用python模擬登陸網(wǎng)站，但是登陸的網(wǎng)站都是直接輸入賬號及密碼進(jìn)行登陸，現(xiàn)在很多網(wǎng)站為了加強(qiáng)用戶安全性和提高反爬蟲機(jī)制都會有包括字符、圖片、手機(jī)驗(yàn)證等等各式各樣的驗(yàn)證碼。圖片驗(yàn)證碼就是其中一種，而且識別難度越來越大，人為都比較難識別。本篇我們簡單介紹一下使用python登陸帶弱圖片驗(yàn)證碼的網(wǎng)站。

一般都通過加干擾線、粘連或扭曲等方式來增加強(qiáng)度。

我們選擇一個(gè)政務(wù)網(wǎng)站（圖片驗(yàn)證碼的強(qiáng)度較低）。

訪問網(wǎng)站首頁以后我們發(fā)現(xiàn)需要先點(diǎn)擊個(gè)人用戶登陸，且元素沒有name、id登標(biāo)識不好獲取，所以我們直接執(zhí)行里面的onClick方法

# 新建selenium瀏覽器對象，后面是geckodriver.exe下載后本地路徑browser = webdriver.Firefox()url = ’http://xxx.gov.cn/’# 瀏覽器訪問登錄頁面browser.get(url)# 等待3s用于加載腳本文件browser.implicitly_wait(3)# 點(diǎn)擊個(gè)人登陸browser.execute_script(’showpersonlogin();’)獲取圖片驗(yàn)證碼

我們可以通過save_screenshot截圖，然后找到驗(yàn)證碼元素，獲取元素位置然后在截圖的基礎(chǔ)上裁剪出驗(yàn)證碼。

# 找到圖片驗(yàn)證碼元素img = browser.find_element_by_id(’imgCode’)location = img.locationsize = img.sizeleft = location[’x’]top = location[’y’]right = left + size[’width’]bottom = top + size[’height’]# 按照驗(yàn)證碼的長寬，切割驗(yàn)證碼image_obj = loginPage.crop((left, top, right, bottom))image_obj.save(’code.png’)

由于該網(wǎng)站的驗(yàn)證碼比較簡單可以直接用pytesseract模塊的image_to_string方法

orcCode = pytesseract.image_to_string(’code.png’)# 輸入用戶名username = browser.find_element_by_id(’personaccount’)username.send_keys(’賬號’)# 輸入密碼password = browser.find_element_by_id(’personpassword’)password.send_keys(’密碼’)# 輸入驗(yàn)證碼code = browser.find_element_by_id(’captcha1’)code.send_keys(orcCode)# 執(zhí)行登錄browser.execute_script(’personlogin();’)# 關(guān)閉瀏覽器# browser.quit()識別較復(fù)雜驗(yàn)證碼算法

網(wǎng)上找的算法，先將圖片轉(zhuǎn)為灰度圖，然后進(jìn)行二值化處理（將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255。如灰度大于等于閾值的像素，用255表示。否則為0。），再去噪（8鄰域降噪，判斷8個(gè)鄰域的黑色數(shù)量個(gè)數(shù)）。

ocrImage.py:

import pytesseractfrom PIL import Imagefrom collections import defaultdict# 獲取圖片中像素點(diǎn)數(shù)量最多的像素def get_threshold(image): pixel_dict = defaultdict(int) # 像素及該像素出現(xiàn)次數(shù)的字典 rows, cols = image.size for i in range(rows): for j in range(cols): pixel = image.getpixel((i, j)) pixel_dict[pixel] += 1 count_max = max(pixel_dict.values()) # 獲取像素出現(xiàn)出多的次數(shù) pixel_dict_reverse = {v: k for k, v in pixel_dict.items()} threshold = pixel_dict_reverse[count_max] # 獲取出現(xiàn)次數(shù)最多的像素點(diǎn) return threshold# 按照閾值進(jìn)行二值化處理# threshold: 像素閾值def get_bin_table(threshold): # 獲取灰度轉(zhuǎn)二值的映射table table = [] for i in range(256): rate = 0.1 # 在threshold的適當(dāng)范圍內(nèi)進(jìn)行處理 if threshold * (1 - rate) <= i <= threshold * (1 + rate): table.append(1) else: table.append(0) return table# 去掉二值化處理后的圖片中的噪聲點(diǎn)def cut_noise(image): rows, cols = image.size # 圖片的寬度和高度 change_pos = [] # 記錄噪聲點(diǎn)位置 # 遍歷圖片中的每個(gè)點(diǎn)，除掉邊緣 for i in range(1, rows - 1): for j in range(1, cols - 1): # pixel_set用來記錄該店附近的黑色像素的數(shù)量 pixel_set = [] # 取該點(diǎn)的鄰域?yàn)橐栽擖c(diǎn)為中心的九宮格 for m in range(i - 1, i + 2):for n in range(j - 1, j + 2): if image.getpixel((m, n)) != 1: # 1為白色,0位黑色 pixel_set.append(image.getpixel((m, n))) # 如果該位置的九宮內(nèi)的黑色數(shù)量小于等于4，則判斷為噪聲 if len(pixel_set) <= 4:change_pos.append((i, j)) # 對相應(yīng)位置進(jìn)行像素修改，將噪聲處的像素置為1（白色） for pos in change_pos: image.putpixel(pos, 1) return image # 返回修改后的圖片# 識別圖片中的數(shù)字加字母# 傳入?yún)?shù)為圖片路徑，返回結(jié)果為：識別結(jié)果def ocr_img(img_path): image = Image.open(img_path) # 打開圖片文件 imgry = image.convert(’L’) # 轉(zhuǎn)化為灰度圖 # 獲取圖片中的出現(xiàn)次數(shù)最多的像素，即為該圖片的背景 max_pixel = get_threshold(imgry) # 將圖片進(jìn)行二值化處理 table = get_bin_table(threshold=max_pixel) out = imgry.point(table, ’1’) # 去掉圖片中的噪聲（孤立點(diǎn)） out = cut_noise(out) # 僅識別圖片中的數(shù)字 # text = pytesseract.image_to_string(out, config=’digits’) # 識別圖片中的數(shù)字和字母 text = pytesseract.image_to_string(out) # 去掉識別結(jié)果中的特殊字符 exclude_char_list = ’ .:|’'?![],()~@#$%^&*_+-={};<>/¥’ text = ’’.join([x for x in text if x not in exclude_char_list]) return text

ocrImage.ocr_img(’data/0021.png’)

針對不同的圖片驗(yàn)證碼用的方法不盡相同，cv2模塊也提供了很多圖片的處理方法可以用于識別圖片驗(yàn)證碼。

如使用cv2的腐蝕和碰撞方法就可以對圖片進(jìn)行簡單的處理。

干擾條件較多、識別難度大的則需要依靠機(jī)器學(xué)習(xí)來完成。

以上就是用python登錄帶弱圖片驗(yàn)證碼的網(wǎng)站的詳細(xì)內(nèi)容，更多關(guān)于python 登錄圖片驗(yàn)證碼的網(wǎng)站的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！