python搜狗驗證碼,搜狗讀取驗證碼

本文目錄一覽：

• 1、python如何識別驗證碼
• 2、如何利用Python做簡單的驗證碼識別
• 3、python 爬蟲，關於驗證碼的問題。輸入驗證碼才能搜索。

python如何識別驗證碼

我們首先識別最簡單的一種驗證碼，即圖形驗證碼。這種驗證碼最早出現，現在也很常見，一般由4位字母或者數字組成。例如，中國知網的註冊頁面有類似的驗證碼，頁面如下所示：

表單中最後一項就是圖形驗證碼，我們必須完全正確輸入圖中的字元才可以完成註冊。

更多有關驗證碼的知識，可以參考這些文章：

Python3爬蟲進階：識別圖形驗證碼

Python3爬蟲進階：識別極驗滑動驗證碼

Python3爬蟲進階：識別點觸點選驗證碼

Python3爬蟲進階：識別微博宮格驗證碼

·本節目標以知網的驗證碼為例，講解利用OCR技術識別圖形驗證碼的方法。

·準備工作識別圖形驗證碼需要庫tesserocr，以mac安裝為例：在mac下，我們首先使用Homebrew安裝ImageMagick和tesseract庫：    brew install imagemagickbrew install tesseract 接下來再安裝tesserocr即可：pip3 install tesserocr pillow這樣我們就完成了            tesserocr的安裝。

·獲取驗證碼為了便於實驗，我們先將驗證碼的圖片保存到本地。打開開發者工具，找到驗證碼元素。驗證碼元素是一張圖片，它的ser屬    性是CheckCode.aspk。所以我們直接打開如下鏈接就可以看到一個驗證碼，右鍵保存即可，將其命名為code.jpg：

這樣我們就得到一張驗證碼圖片，以供測試識別使用。

相關推薦：《Python教程》

識別測試

接下來新建一個項目，將驗證碼圖片放到項目根目錄下，用tesserocr庫識別該驗證碼，代碼如下所示：

這裡我們新建了一個Image對戲那個，調用了tesserocr的image_to_text( )方法。傳入該Image對象即可完成識別，實現過程非常簡單，結果如下：

我們可以看到，識別的結果和實際結果有偏差，這是因為驗證碼內的多餘線條幹擾了圖片的識別。

另外，tesserocr還有一個更加簡單的方法，這個方法可以直接將圖片文件轉為字元串，代碼如下：

不過這種方法的識別效果不如上一種的好。

驗證碼處理

對於上面的圖片，我們可以看到其實並沒有完全識別正確，所以我們需要對圖像作進一步的處理，如灰度轉換、二值化等操作。

我們可以利用Image對象的convert( )方法參數傳入L，即可將圖片轉化為灰度圖像，代碼如下：

傳入1即可將圖片進行二值化處理，如下所示：

我們還可以指定二值化的閾值。上面的方法採用的是默認閾值127。不過我們不能直接轉化原圖，要將原圖先轉化為灰度圖像，然後再指定二值化閾值，代碼如下：

在這裡，變數threshold代表二值化閾值，閾值設置為160，之後我們來看看我們的結果：

我們可以看到現在的二維碼就比較方便我們進行識別了；那麼對於一些有干擾的圖片，我們做一些灰度和二值化處理，這會提高圖片識別的正確率。

如何利用Python做簡單的驗證碼識別

先是獲取驗證碼樣本。。。我存了大概500個。

用dia測了測每個字之間的間距，直接用PIL開始切。

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))

上面一段腳本的意思是把jpg切成四個小塊然後保存

之後就是二值化啦。

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，不要在意函數的名字。上面的一段代碼的意思是遍歷圖片的每個像素點，顏色數值小於200的用1表示，其他的用0表示。

其中的im代表的是Image.open()類型。

切好的圖片長這樣的。

只能說這樣切的圖片還是很粗糙，很僵硬。

下面就是分類啦。

把0-9，「+」，」-「的圖片挑好並放在不同的文件夾裡面，這裡就是純體力活了。

再之後就是模型建立了。

這裡我試了自己寫的還有sklearn svm和sklearn neural_network。發現最後一個的識別正確率高的多。不知道是不是我樣本問題QAQ。

下面是模型建立的代碼

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

大概的意思是從圖片源中讀取圖片和label然後放到模型中去跑吧。

之後便是圖像匹配啦。

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)

最後eval一下識別出來的字元串就得出結果了。。

順便提一句現在的bilibili登陸改成rsa加密了，麻蛋，以前的腳本全部作廢，心好痛。

登陸的代碼。

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 爬蟲，關於驗證碼的問題。輸入驗證碼才能搜索。

#給你個例子參考 驗證碼請求一次就變了

#!/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”請輸入驗證碼(在本路徑 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