爬虫7 验证码解析

简述：

　　登录某些网站，需要用户填写验证码等验证方式，暂时提供两种爬虫解析验证码的方法

　　　　1. 下载验证码图片，手动填写验证码

　　　　2.

　　　　　　a. 图像识别，使用pytesseract库识别图像中的字符

　　　　　　b. 云打码，使用网上其它人的图像识别工具，获取到验证码

 　　　　注： 用户登录时，要用session来记录登录信息，保持会话。

　　　　　　1. session = requests.Session()

　　　　　　2. r = session.get(url, headers=...)

图像识别实例：

　　

from PIL import Image
from pytesseract import image_to_string

# 一. 处理简单的，干扰少或无干扰的验证码图像
img = Image.open('timg2.jpg')
print('--------', img)
code = image_to_string(img)
print(code)


# 二、处理有复杂干扰的验证码图像，需根据实际情况修改代码
"""
    1. 处理图像，降噪，去除干扰，转化灰度等等，需要根据真实情况来设计
    2. 字符识别
"""


def clear_image(image):
    image = image.convert('RGB')
    width = image.size[0]
    height = image.size[1]
    noise_color = get_noise_color(image)
    
    for x in range(width):
        for y in range(height):
            # 清除边框和干扰色
            rgb = image.getpixel((x, y))
            if (x == 0 or y == 0 or x == width - 1 or y == height - 1
                    or rgb == noise_color or rgb[1] > 100):
                image.putpixel((x, y), (255, 255, 255))
    return image


def get_noise_color(image):
    for y in range(1, image.size[1] - 1):
        # 获取第2列非白的颜色
        (r, g, b) = image.getpixel((2, y))
        if r < 255 and g < 255 and b < 255:
            return (r, g, b)


image = Image.open('code4.png')
image = clear_image(image)
# 转化为灰度图
imgry = image.convert('L')
code = image_to_string(imgry)

imgry.save("imgry1.png")
with open("code.txt", "w") as f:
    print(code)
    f.write(str(code))