爬虫中，有时候需要破解验证码，所以这里就来讲一下，如何破解验证码。
最简单的数字、字母验证码破解
像这个样子的验证码
。我们可以直接利用ocr来破解
ocr介绍
python中使用ocr
ocr简单运用
我们需要下载ocr相关的软件，这样才能在python中进行ocr识别。
- windows下的安装,
- 在python中安装相关依赖
- python中安装相关依赖: pip install tesserocr pillow
- 应用
我们就将上面哪个验证码变成数字
import tesserocr
from PIL import image
image = Image.open("captha1.jpg") # 这里就相当于将图片数字化。
ans=tesserocr.image_to_text(image) # 这里就是将数字化的图片进行ocr处理。
'''
:除了image_to_text，这里还有tesserocr的 image_to_text还有file_to_text。用法也很简单，只要将文件所
:在的路径加上去就可以了
'''
print(ans)
上面代码运行之后的结果就是2127了。
ocr增加难度
这样子可以将简单的验证码进行ocr化，但是复杂一点的，像这个
。这个就要涉及到灰度处理、二值化、降噪。这里先来说明一下为什么能进行这三项处理
因为图像在电脑里面就是像素点，每个像素点就是一个3个元素的元组，这三个元素也就分别代表着RGB。
那么我们如何知道这三个元素的值呢？下面的代码能将一张图片的rgb值以数字为基准遍历打印出来
from PIL import Image
img = Image.open("captcha1.jpg")
width,height=img.size
for i in range(width):
for j in range(height):
piexl=image.load()[i,j]
print(piexl)
这样子就是遍历打印一张图片的像素点。
灰度处理、二值化、降噪。就是设置一个阀值，将不符合这个阀值的所有像素点变成白色，将符合这个阀值的所有像素点变成黑色。这样子的化就达到了灰度处理、二级化和减噪的作用，代码如下
在进行二级化前，需要进行灰度和黑白化处理，代码如下
# 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。
Img = img.convert('L')
# 黑白化处理，自定义灰度界限，大于这个值为黑色，小于这个值为白色
threshold = 200
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
# 图片二值化
photo = Img.point(table, '1')
photo.save("BuildImageCode2.jpg")
进行上面两步灰度和黑白化后，得到的photo就可以进行降噪处理
def judge(pixl):
THRESHOLD = 80
if pixl>THRESHOLD:
return 1
else:
return 0
def depoint(img):
"""传入二值化后的图片进行降噪"""
pixdata = img.load()
w,h = img.size
for y in range(1,h-1):
for x in range(1,w-1):
count = 0
if judge(pixdata[x,y-1]):#上
count = count + 1
if judge(pixdata[x,y+1]):#下
count = count + 1
if judge(pixdata[x-1,y]):#左
count = count + 1
if judge(pixdata[x+1,y]):#右
count = count + 1
if judge(pixdata[x-1,y-1]):#左上
count = count + 1
if judge(pixdata[x-1,y+1]):#左下
count = count + 1
if judge(pixdata[x+1,y-1]):#右上
count = count + 1
if judge(pixdata[x+1,y+1]):#右下
count = count + 1
if count > 4:
pixdata[x,y] = 255
return img
就可以了，完整的code如下
import tesserocr
from PIL import Image
def judge(pixl):
THRESHOLD = 80
if pixl>THRESHOLD:
return 1
else:
return 0
def depoint(img):
"""传入二值化后的图片进行降噪"""
pixdata = img.load()
w,h = img.size
for y in range(1,h-1):
for x in range(1,w-1):
count = 0
if judge(pixdata[x,y-1]):#上
count = count + 1
if judge(pixdata[x,y+1]):#下
count = count + 1
if judge(pixdata[x-1,y]):#左
count = count + 1
if judge(pixdata[x+1,y]):#右
count = count + 1
if judge(pixdata[x-1,y-1]):#左上
count = count + 1
if judge(pixdata[x-1,y+1]):#左下
count = count + 1
if judge(pixdata[x+1,y-1]):#右上
count = count + 1
if judge(pixdata[x+1,y+1]):#右下
count = count + 1
if count > 4:
pixdata[x,y] = 255
return img
def heibaihua(img):
# 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。
Img = img.convert('L')
# 黑白化处理，自定义灰度界限，大于这个值为黑色，小于这个值为白色
threshold = 200
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
# 图片二值化
photo = Img.point(table, '1')
photo.save("BuildImageCode2.jpg")
return photo
img= Image.open("C://Users/asus/Desktop/BuildImageCode.jpg") # 这里就相当于将图片数字化。
img = heibaihua(img)
img = depoint(img)
ans=tesserocr.image_to_text(img)
print(ans)