python验证码下载和识别

众所周知，python是一个很强大的语言，它拥有众多的库，今天我尝试了使用python进行验证码的识别。

开始，我们先进行验证码的下载。

下载

我们先找见一个登陆需要验证码的网站，比如说这个网站：http://user.sc.chinaz.com/login.aspx

按F12进入调试界面，点击network，再点一下验证码进行刷新

可以看到这个图片：

点击进入图片就可以得到一个验证码的界面

此后我们再将该界面的图片进行下载就可以得到一堆的验证码了。

识别：

下载完所有的代码，我们就可以进行验证码的识别了。python的验证码识别包我们可以下载pytesseract包

当然，在下载pytesseract包之前，我们还得下载tesseract包。如果仅仅就是这样的话那还是远远不够的，会出现找不见tesseract包的错误，所以我们还需要下载Tesseract-OCR

具体的下载方式可以参考博文：Tesseract-OCR下载和安装

如果还出现错误的话，可以参考这篇博文：python3.5 tesseract-ocr 验证码识别错误解决方案

以上两篇博文基本上可以解决下载tesseract的很多错误了（亲测，有效）

好了，上代码：

import requests,urllib,pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = 'D:/Tesseract-OCR/tesseract.exe'
tessdata_dir_config = '--tessdata-dir "D:/Tesseract-OCR/tessdata"'

url = 'http://user.sc.chinaz.com/getcode.aspx?h=30&t=0.7468559373230685'  #验证码网址，可以根据需求更换
storeurl = 'C:/Users/11037/Desktop/yanzhengma'   #保存本地文件夹

def savaImg(picurl,saveurl):  #存储图片函数
    bytes = urllib.request.urlopen(picurl)
    file = open(saveurl,'wb')
    file.write(bytes.read())
    file.flush()
    file.close()
    return True

def getpicture():   #获取验证码函数
	coun = int(input('请输入需要下载的验证码数量：'))

	for i in range(coun):
		theurl = storeurl + '/' + str(i) + '.jpg'
		if savaImg(url,theurl):
			print('已下载：'+str(i+1))


def jpgtostring(pictureurl):  #图片转验证码函数
	print('图片源地址：'+pictureurl)
	picture = Image.open(pictureurl)
	result = pytesseract.image_to_string(picture,lang='eng',config=tessdata_dir_config)
	print(result)


pictureurl = 'C:/Users/11037/Desktop/yanzhengma/1.jpg'
jpgtostring(pictureurl)

验证码原图：

运行结果：