如何使用python登录带弱图片验证码的网站

tangjin

作者

小编给大家分享一下如何使用python登录带弱图片验证码的网站，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

图片验证码

一般都通过加干扰线、粘连或扭曲等方式来增加强度。

登陆

我们选择一个政务网站（图片验证码的强度较低）。

点击个人用户登录

访问网站首页以后我们发现需要先点击个人用户登陆，且元素没有name、id登标识不好获取，所以我们直接执行里面的onClick方法

#新建selenium浏览器对象，后面是geckodriver.exe下载后本地路径
browser=webdriver.Firefox()

url='http://xxx.gov.cn/'

#浏览器访问登录页面
browser.get(url)

#等待3s用于加载脚本文件
browser.implicitly_wait(3)

#点击个人登陆
browser.execute_script('showpersonlogin();')

获取图片验证码

我们可以通过save_screenshot截图，然后找到验证码元素，获取元素位置然后在截图的基础上裁剪出验证码。

#找到图片验证码元素
img=browser.find_element_by_id('imgCode')

location=img.location

size=img.size

left=location['x']

top=location['y']

right=left+size['width']

bottom=top+size['height']

#按照验证码的长宽，切割验证码
image_obj=loginPage.crop((left,top,right,bottom))

image_obj.save('code.png')

识别并登陆

由于该网站的验证码比较简单可以直接用pytesseract模块的image_to_string方法

orcCode=pytesseract.image_to_string('code.png')

#输入用户名
username=browser.find_element_by_id('personaccount')
username.send_keys('账号')

#输入密码
password=browser.find_element_by_id('personpassword')
password.send_keys('密码')

#输入验证码
code=browser.find_element_by_id('captcha1')
code.send_keys(orcCode)

#执行登录
browser.execute_script('personlogin();')


#关闭浏览器
#browser.quit()

识别较复杂验证码算法

网上找的算法，先将图片转为灰度图，然后进行二值化处理（将图像上的像素点的灰度值设置为0或255。如灰度大于等于阈值的像素，用255表示。否则为0。），再去噪（8邻域降噪，判断8个邻域的黑色数量个数）。

ocrImage.py:

importpytesseract
fromPILimportImage
fromcollectionsimportdefaultdict


#获取图片中像素点数量最多的像素
defget_threshold(image):
pixel_dict=defaultdict(int)

#像素及该像素出现次数的字典
rows,cols=image.size
foriinrange(rows):
forjinrange(cols):
pixel=image.getpixel((i,j))
pixel_dict[pixel]+=1

count_max=max(pixel_dict.values())#获取像素出现出多的次数
pixel_dict_reverse={v:kfork,vinpixel_dict.items()}
threshold=pixel_dict_reverse[count_max]#获取出现次数最多的像素点

returnthreshold


#按照阈值进行二值化处理
#threshold:像素阈值
defget_bin_table(threshold):
#获取灰度转二值的映射table
table=[]
foriinrange(256):
rate=0.1#在threshold的适当范围内进行处理
ifthreshold*(1-rate)<=i<=threshold*(1+rate):
table.append(1)
else:
table.append(0)
returntable


#去掉二值化处理后的图片中的噪声点
defcut_noise(image):
rows,cols=image.size#图片的宽度和高度
change_pos=[]#记录噪声点位置

#遍历图片中的每个点，除掉边缘
foriinrange(1,rows-1):
forjinrange(1,cols-1):
#pixel_set用来记录该店附近的黑色像素的数量
pixel_set=[]
#取该点的邻域为以该点为中心的九宫格
forminrange(i-1,i+2):
forninrange(j-1,j+2):
ifimage.getpixel((m,n))!=1:#1为白色,0位黑色
pixel_set.append(image.getpixel((m,n)))

#如果该位置的九宫内的黑色数量小于等于4，则判断为噪声
iflen(pixel_set)<=4:
change_pos.append((i,j))

#对相应位置进行像素修改，将噪声处的像素置为1（白色）
forposinchange_pos:
image.putpixel(pos,1)

returnimage#返回修改后的图片


#识别图片中的数字加字母
#传入参数为图片路径，返回结果为：识别结果
defocr_img(img_path):
image=Image.open(img_path)#打开图片文件
imgry=image.convert('L')#转化为灰度图

#获取图片中的出现次数最多的像素，即为该图片的背景
max_pixel=get_threshold(imgry)
#将图片进行二值化处理
table=get_bin_table(threshold=max_pixel)
out=imgry.point(table,'1')

#去掉图片中的噪声（孤立点）
out=cut_noise(out)

#仅识别图片中的数字
#text=pytesseract.image_to_string(out,config='digits')
#识别图片中的数字和字母
text=pytesseract.image_to_string(out)
#去掉识别结果中的特殊字符
exclude_char_list='.:\\|\'\"?![],()~@#$%^&*_+-={};<>/&yen;'
text=''.join([xforxintextifxnotinexclude_char_list])

returntext