Python实现简单验证码的转文字

声明：本文章中的验证码爬取和识别仅用作试验！

1.首先就是验证码的爬取，这里我爬取的是学校oj的注册验证码。背景基本没有噪声，容易处理。

2.在获得验证码图片的二进制数据后，我们使用以下代码实现对图片的本地保存：

def save_img(content):
    '''
    os.getcwd()方法用于返回当前的工作目录;
    md(content).hexdigest()根据图片的二进制代码产生md5码;
    wb为写入二进制数据
    '''
    file_path = '{0}/{1}.{2}'.format(os.getcwd(), md5(content).hexdigest(), 'jpg')
    print(file_path)
    if not os.path.exists(file_path):
        with open(file_path, 'wb') as f:
            f.write(content)
            f.close()

3.使用BytesIO对二进制文件进行封装,并用Image.open()打开。

def picture_to_string(content):
	#使用BytesIO对二进制进行封装
	file_like = BytesIO(content)
	img = Image.open(file_like)
	return img

4.图片转文字

def get_string(img):
	#转化为灰度
	gray = img.convert('L')
	#二值化算法,阈值为140
	out = get_bin_table(gray,140)
	#保存处理后的图片
	out.save('example','png')
	#使用pytesseract.image_to_string()方法提取处理后图片的文字
	word = pytesseract.image_to_string(out)
	ascii_word = ''.join(c for c in word if c in string.ascii_letters or c in string.digits)
	return ascii_word

def get_bin_table(img,threshold):
    """
    获取灰度转二值的映射table
    :param threshold:
    :return:
    """
    pixdata = img.load()
    w,h = img.size
    print(w,h)
    for x in range(w):
        for y in range(h):
            if pixdata[x,y] < threshold:
                pixdata[x,y] = 0
        else:
            pixdata[x,y] = 255
    
    return img

5.效果