您好,登錄后才能下訂單哦!
本篇內(nèi)容主要講解“python怎么識別動態(tài)驗(yàn)證碼和滑動驗(yàn)證碼”,感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷,實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“python怎么識別動態(tài)驗(yàn)證碼和滑動驗(yàn)證碼”吧!
前言
一、動態(tài)驗(yàn)證碼
二、滑動驗(yàn)證碼
三、驗(yàn)證碼的降噪
四、驗(yàn)證碼的識別
python對動態(tài)驗(yàn)證碼、滑動驗(yàn)證碼的降噪和識別,在各種自動化操作中,我們經(jīng)常要遇到沿跳過驗(yàn)證碼的操作,而對于驗(yàn)證碼的降噪和識別,的確困然了很多的人。這里我們就詳細(xì)講解一下不同驗(yàn)證碼的降噪和識別。
動態(tài)驗(yàn)證碼是服務(wù)端生成的,點(diǎn)擊一次,就會更換一次,這就會造成很多人在識別的時候,會發(fā)現(xiàn)驗(yàn)證碼一直過期
這是因?yàn)?,如果你是把圖片下載下來,進(jìn)行識別的話,其實(shí)在下載的這個請求中,其實(shí)相當(dāng)于點(diǎn)擊了一次,這個驗(yàn)證碼的內(nèi)容已經(jīng)被更換了
最好的方法是,打開這個頁面后,將頁面進(jìn)行截圖,然后定位到驗(yàn)證碼的位置,將驗(yàn)證碼從截圖上面裁剪下來進(jìn)行識別,這樣就不會造成多次請求,驗(yàn)證碼更換的情況了
from selenium import webdriver from PIL import Image # 實(shí)例化瀏覽器 driver = webdriver.Chrome() # 最大化窗口 driver.maximize_window() # 打開登陸頁面 driver.get(# 你的url地址) # 保存頁面截圖 driver.get_screenshot_as_file('./screen.png') # 定位驗(yàn)證碼的位置 location = driver.find_element_by_id('login_yzm_img').location size = driver.find_element_by_id('login_yzm_img').size left = location['x'] top = location['y'] right = location['x'] + size['width'] bottom = location['y'] + size['height'] # 裁剪保存 img = Image.open('./screen.png').crop((left,top,right,bottom)) img.save('./code.png') driver.quit()
滑動驗(yàn)證碼,通常是兩個滑塊圖片,將小圖片滑動到大圖片上的缺口位置,進(jìn)行重合,即可通過驗(yàn)證
對于滑動驗(yàn)證碼,我們就要識別大圖上面的缺口位置,然后讓小滑塊滑動響應(yīng)的位置距離,即可
而為了讓你滑動起來,更加的擬人化,你需要一個滑動的路徑,模擬人為去滑動,而不是機(jī)器去滑動
# 下載兩個滑塊 bg = self.driver.find_element_by_xpath('//*[@id="captcha_container"]/div/div[2]/img[1]').get_attribute('src') slider = self.driver.find_element_by_xpath('//*[@id="captcha_container"]/div/div[2]/img[2]').get_attribute('src') request.urlretrieve(bg, os.getcwd() + '/bg.png') request.urlretrieve(slider, os.getcwd() + '/slider.png') # 獲取兩個滑塊偏移量方法 def getGap(self, sliderImage, bgImage): ''' Get the gap distance :param sliderImage: the image of slider :param bgImage: the image of background :return: int ''' bgImageInfo = cv2.imread(bgImage, 0) bgWidth, bgHeight = bgImageInfo.shape[::-1] bgRgb = cv2.imread(bgImage) bgGray = cv2.cvtColor(bgRgb, cv2.COLOR_BGR2GRAY) slider = cv2.imread(sliderImage, 0) sliderWidth, sliderHeight = slider.shape[::-1] res = cv2.matchTemplate(bgGray, slider, cv2.TM_CCOEFF) a, b, c, d = cv2.minMaxLoc(res) # print(a,b,c,d) # 正常如下即可 # return c[0] if abs(a) >= abs(b) else d[0] # 但是頭條顯示驗(yàn)證碼的框跟驗(yàn)證碼本身的像素不一致,所以需要根據(jù)比例計(jì)算 if abs(a) >= abs(b): return c[0] * bgWidth / (bgWidth - sliderWidth) else: return d[0] * bgWidth / (bgWidth - sliderWidth) # 移動路徑方法 def getTrack(self, distance): ''' Get the track by the distance :param distance: the distance of gap :return: list ''' # 移動軌跡 track = [] # 當(dāng)前位移 current = 0 # 減速閾值 mid = distance * 4 / 5 # 計(jì)算間隔 t = 0.2 # 初速度 v = 0 while current < distance: if current < mid: # 加速度為正2 a = 2 else: # 加速度為負(fù)3 a = -3 # 初速度v0 v0 = v # 當(dāng)前速度v = v0 + at v = v0 + a * t # 移動距離x = v0t + 1/2 * a * t^2 move = v0 * t + 1 / 2 * a * t * t # 當(dāng)前位移 current += move # 加入軌跡 track.append(round(move)) return track # 滑動到缺口位置 def moveToGap(self, track): ''' Drag the mouse to gap :param track: the track of mouse :return: None ''' ActionChains(self.driver).click_and_hold(self.driver.find_element_by_xpath('//*[@id="captcha_container"]/div/div[3]/div[2]/div[2]/div')).perform() while track: x = random.choice(track) ActionChains(self.driver).move_by_offset(xoffset=x, yoffset=0).perform() track.remove(x) time.sleep(0.5) ActionChains(self.driver).release().perform()
驗(yàn)證碼的降噪,只是為了處理驗(yàn)證碼圖像上的多余的線條和干擾線,讓你后期識別更加的準(zhǔn)確,提高識別的準(zhǔn)確度
第一步:可以進(jìn)行灰度轉(zhuǎn)化
img = cv2.imread('yzm.png') # 將圖片灰度化處理,降維,加權(quán)進(jìn)行灰度化c gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) cv2.imshow('min_gray',gray) cv2.waitKey(0) cv2.destroyAllWindows()
第二步: 二值化處理
import cv2 img = cv2.imread('yzm.png') # 將圖片灰度化處理,降維,加權(quán)進(jìn)行灰度化c gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) t,gray2 = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) cv2.imshow('threshold',gray2) cv2.waitKey(0) cv2.destroyAllWindows()
第三步:噪點(diǎn)過濾
import cv2 img = cv2.imread('yzm.png') # 將圖片灰度化處理,降維,加權(quán)進(jìn)行灰度化c gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) t,gray2 = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) def remove_noise(img, k=4): img2 = img.copy() # img處理數(shù)據(jù),k過濾條件 w, h = img2.shape def get_neighbors(img3, r, c): count = 0 for i in [r - 1, r, r + 1]: for j in [c - 1, c, c + 1]: if img3[i, j] > 10: # 純白色 count += 1 return count # 兩層for循環(huán)判斷所有的點(diǎn) for x in range(w): for y in range(h): if x == 0 or y == 0 or x == w - 1 or y == h - 1: img2[x, y] = 255 else: n = get_neighbors(img2, x, y) # 獲取鄰居數(shù)量,純白色的鄰居 if n > k: img2[x, y] = 255 return img2 result = remove_noise(gray2) cv2.imshow('8neighbors', result) cv2.waitKey(0) cv2.destroyAllWindows()
通常我們會使用tesserocr識別驗(yàn)證碼,但是這個庫有很大的局限性,識別率低,即時降噪效果很好,有很少的線條,也會不準(zhǔn)確,這種識別方式并不十分推薦
所以我們一般會使用第三方的接口進(jìn)行識別,比如阿里的圖片識別、騰訊也都是有的
這些第三方接口需要自己接入識別接口
#識別降噪后的圖片 code = tesserocr.image_to_text(nrImg) #消除空白字符 code.strip() #打印 print(code)
到此,相信大家對“python怎么識別動態(tài)驗(yàn)證碼和滑動驗(yàn)證碼”有了更深的了解,不妨來實(shí)際操作一番吧!這里是億速云網(wǎng)站,更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢,關(guān)注我們,繼續(xù)學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。