python搜狗验证码,搜狗读取验证码

本文目录一览：

• 1、python如何识别验证码
• 2、如何利用Python做简单的验证码识别
• 3、python 爬虫，关于验证码的问题。输入验证码才能搜索。

python如何识别验证码

我们首先识别最简单的一种验证码，即图形验证码。这种验证码最早出现，现在也很常见，一般由4位字母或者数字组成。例如，中国知网的注册页面有类似的验证码，页面如下所示：

表单中最后一项就是图形验证码，我们必须完全正确输入图中的字符才可以完成注册。

更多有关验证码的知识，可以参考这些文章：

Python3爬虫进阶：识别图形验证码

Python3爬虫进阶：识别极验滑动验证码

Python3爬虫进阶：识别点触点选验证码

Python3爬虫进阶：识别微博宫格验证码

·本节目标以知网的验证码为例，讲解利用OCR技术识别图形验证码的方法。

·准备工作识别图形验证码需要库tesserocr，以mac安装为例：在mac下，我们首先使用Homebrew安装ImageMagick和tesseract库：    brew install imagemagickbrew install tesseract 接下来再安装tesserocr即可：pip3 install tesserocr pillow这样我们就完成了            tesserocr的安装。

·获取验证码为了便于实验，我们先将验证码的图片保存到本地。打开开发者工具，找到验证码元素。验证码元素是一张图片，它的ser属    性是CheckCode.aspk。所以我们直接打开如下链接就可以看到一个验证码，右键保存即可，将其命名为code.jpg：

这样我们就得到一张验证码图片，以供测试识别使用。

相关推荐：《Python教程》

识别测试

接下来新建一个项目，将验证码图片放到项目根目录下，用tesserocr库识别该验证码，代码如下所示：

这里我们新建了一个Image对戏那个，调用了tesserocr的image_to_text( )方法。传入该Image对象即可完成识别，实现过程非常简单，结果如下：

我们可以看到，识别的结果和实际结果有偏差，这是因为验证码内的多余线条干扰了图片的识别。

另外，tesserocr还有一个更加简单的方法，这个方法可以直接将图片文件转为字符串，代码如下：

不过这种方法的识别效果不如上一种的好。

验证码处理

对于上面的图片，我们可以看到其实并没有完全识别正确，所以我们需要对图像作进一步的处理，如灰度转换、二值化等操作。

我们可以利用Image对象的convert( )方法参数传入L，即可将图片转化为灰度图像，代码如下：

传入1即可将图片进行二值化处理，如下所示：

我们还可以指定二值化的阈值。上面的方法采用的是默认阈值127。不过我们不能直接转化原图，要将原图先转化为灰度图像，然后再指定二值化阈值，代码如下：

在这里，变量threshold代表二值化阈值，阈值设置为160，之后我们来看看我们的结果：

我们可以看到现在的二维码就比较方便我们进行识别了；那么对于一些有干扰的图片，我们做一些灰度和二值化处理，这会提高图片识别的正确率。

如何利用Python做简单的验证码识别

先是获取验证码样本。。。我存了大概500个。

用dia测了测每个字之间的间距，直接用PIL开始切。

from PIL import Image

for j in range(0,500):

f=Image.open(“../test{}.jpg”.format(j))

for i in range(0,4):

f.crop((20+20*i,0,40+20*i,40)).save(“test{0}-{1}.jpg”.format(j,i+1))

上面一段脚本的意思是把jpg切成四个小块然后保存

之后就是二值化啦。

def TotallyShit(im):

x,y=im.size

mmltilist=list()

for i in range(x):

for j in range(y):

if im.getpixel((i,j))200:

mmltilist.append(1)

else:

mmltilist.append(0)

return mmltilist

咳咳，不要在意函数的名字。上面的一段代码的意思是遍历图片的每个像素点，颜色数值小于200的用1表示，其他的用0表示。

其中的im代表的是Image.open()类型。

切好的图片长这样的。

只能说这样切的图片还是很粗糙，很僵硬。

下面就是分类啦。

把0-9，“+”，”-“的图片挑好并放在不同的文件夹里面，这里就是纯体力活了。

再之后就是模型建立了。

这里我试了自己写的还有sklearn svm和sklearn neural_network。发现最后一个的识别正确率高的多。不知道是不是我样本问题QAQ。

下面是模型建立的代码

from sklearn.neural_network import MLPClassifier

import numpy as np

def clf():

clf=MLPClassifier()

mmltilist=list()

X=list()

for i in range(0,12):

for j in os.listdir(“douplings/douplings-{}”.format(i)):

mmltilist.append(TotallyShit(Image.open(“douplings/douplings-{0}/{1}”.format(i,j)).convert(“L”)))

X.append(i)

clf.fit(mmltilist,X)

return clf

大概的意思是从图片源中读取图片和label然后放到模型中去跑吧。

之后便是图像匹配啦。

def get_captcha(self):

with open(“test.jpg”,”wb”) as f:

f.write(self.session.get(self.live_captcha_url).content)

gim=Image.open(“test.jpg”).convert(“L”)

recognize_list=list()

for i in range(0,4):

part=TotallyShit(gim.crop((20+20*i,0,40+20*i,40)))

np_part_array=np.array(part).reshape(1,-1)

predict_num=int(self.clf.predict(np_part_array)[0])

if predict_num==11:

recognize_list.append(“+”)

elif predict_num==10:

recognize_list.append(“-“)

else:

recognize_list.append(str(predict_num))

return ”.join(recognize_list)

最后eval一下识别出来的字符串就得出结果了。。

顺便提一句现在的bilibili登陆改成rsa加密了，麻蛋，以前的脚本全部作废，心好痛。

登陆的代码。

import time

import requests

import rsa

r=requests.session()

data=r.get(“act=getkey_=”+str(int(time.time()*1000))).json()

pub_key=rsa.PublicKey.load_pkcs1_openssl_pem(data[‘key’])

payload = {

‘keep’: 1,

‘captcha’: ”,

‘userid’: “youruserid”,

‘pwd’: b64encode(rsa.encrypt((data[‘hash’] +”yourpassword”).encode(), pub_key)).decode(),

}

r.post(“”,data=payload)

python 爬虫，关于验证码的问题。输入验证码才能搜索。

#给你个例子参考 验证码请求一次就变了

#!/usr/bin/python  

#coding=utf-8  

import requests

import urllib  

import urllib2,hashlib,md5

from BeautifulSoup import BeautifulSoup

import cookielib

def _md5(password):

    md5 = hashlib.md5() 

    md5.update(str.encode(password))

    psw = md5.hexdigest()

    return psw

url = ”

req = urllib2.Request(url)

res_data = urllib2.urlopen(req)

res = res_data.read()

output_file = open(‘1.jpg’, ‘wb’)  

output_file.writelines(res)  

output_file.close()

verifycode =  res_data.headers[‘Set-Cookie’].split(‘;’)[0]

verifycode = verifycode.replace(‘verifycode=’,”)

filename = res_data.headers[‘Content-disposition’].split(‘;’)[1].strip()

exec(filename)

cookiejar = cookielib.CookieJar()

opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookiejar))

vidcode= raw_input(u”请输入验证码(在本路径 1.jpg): “) 

data = {‘user_login’:”lovesword85@yeah.net”,

        ‘isMd5’:”1″,

        ‘user_pwd’:_md5(‘love123456’),

        ‘verifycode’:vidcode,

        ‘url’:””}

url = ”

data = urllib.urlencode(data)

headers = {‘Content-Type’: ‘application/x-www-form-urlencoded’, ‘X-Requested-With’: ‘XMLHttpRequest’, ‘Cookie’: ‘verifycode={0};’.format(verifycode)}

request = urllib2.Request(url,data,headers)

response = opener.open(request)

print ‘——-result————-‘

print response.read()

print ‘——-headers————-‘

print response.headers

print ‘——-cookies————-‘

for cookie in cookiejar:

    print cookie