python爬虫反反爬之图片验证

浅浅的花香味﹌ 2024-04-06 15:37 137阅读 0赞

#### 文章目录 ####

*  发现宝藏
 *  一、ddddOcr（针对图形验证码）
 *   *  1. 工具介绍
     *  2. 安装及环境支持
     *  3. 识别示例1
     *  4. 识别示例2
 *  二、Tesseract（标准OCR识别）
 *   *  1. 工具介绍
     *  2. 配置系统环境
     *  3. 识别示例1
     *  4. 识别示例2
     *  3. 识别示例3

## 发现宝藏 ##

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。【[宝藏入口][Link 1]】。

## 一、ddddOcr（针对图形验证码） ##

### 1. 工具介绍 ###

相信做自动化测试的同学一定不可忽视的问题就是验证码，他几乎是一个网站登录的标配，当然，我一般是不建议在这上面浪费时间去做识别的。

举个例子，现在你的目的是进入自己家的房子，房子为了防止小偷进入于是上了一把锁。我们没必要花费力气去研究开锁技术。去找锁匠配置一把万能钥匙（让开发设置验证码的万能码），或者干脆先去上锁匠把验证码去掉（让开发暂时屏蔽验证码）。严格来说识别验证码不是我们自动化测试的重点。除非你是验证码厂商的员工，破解识别验证码是你的工作。

那么，如果有很简单的方式去识别验证码的话，我们其实就可以不用麻烦开发针对验证码做屏蔽开关了。

ddddocr: 带带弟弟OCR通用验证码识别SDK 就是这样一款强大验证码识别工具。

ddddocr是由sml2h3开发的**专为验证码**厂商进行对自家新版本验证码难易强度进行验证的一个python库，其由作者与kerlomz共同合作完成，通过大批量生成随机数据后进行深度网络训练，本身并非针对任何一家验证码厂商而制作，本库使用效果完全靠玄学，可能可以识别，可能不能识别。

ddddocr奉行着开箱即用、最简依赖的理念，尽量减少用户的配置和使用成本，希望给每一位测试者带来舒适的体验

OCR部分应该已经有很多人做了测试，在这里就放一部分网友的测试图片。

![在这里插入图片描述][21bfa925380e42d3a5c3e5cc39372260.png]

### 2. 安装及环境支持 ###

python <= 3.9
    
    Windows/Linux/Macos..
    
    暂时不支持Macbook M1(X)，M1(X)用户需要自己编译onnxruntime才可以使用

安装命令

pip install ddddocr

以上命令将自动安装符合自己电脑环境的最新ddddocr

### 3. 识别示例1 ###

1.  代码示例

# 实例化对象
    import ddddocr
    
    ocr = ddddocr.DdddOcr()
    # 读取图片内容
    f = open('D:\OCR\checkCode.jpg', mode='rb')
    img = f.read()
    result = ocr.classification(img)
    print(result)

1.  运行结果

![在这里插入图片描述][674112a3360d47f89ac48f9ccfc22ad6.png]

![在这里插入图片描述][1427aa9ac8be460b9b7a02593bf420d7.png]

### 4. 识别示例2 ###

1.  代码示例

# 实例化对象
    import ddddocr
    import requests
    
    ocr = ddddocr.DdddOcr()
    # 读取图片内容
    response = requests.get('http://127.0.0.1:3004/api/checkCode?type=0&time=1709971779303')
    result = ocr.classification(response.content)
    print(result)

![在这里插入图片描述][d38e2107837748f993cb6f501532c520.png]

![在这里插入图片描述][30b795df5d494ec394b08b45db7b81b9.png]

## 二、Tesseract（标准OCR识别） ##

### 1. 工具介绍 ###

Tesseract-OCR（Optical Character Recognition）是一个开源的光学字符识别引擎，由Google开发并维护。它用于将图像中的文字转换为可编辑文本，可以识别各种语言的文本，并且在适当的情况下，也可以用于识别印刷体和手写体。

以下是一些关于Tesseract-OCR工具的介绍：

开源性质： Tesseract-OCR是一个免费的开源工具，可以自由地使用和分发。这意味着你可以在自己的项目中免费使用它，也可以根据需要进行修改和定制。
    
    跨平台支持： Tesseract-OCR可在多个操作系统上运行，包括Windows、Linux和macOS等。这使得它成为一个跨平台的解决方案，可以在各种环境中使用。
    
    多语言支持： Tesseract-OCR支持超过100种语言的文字识别，包括中文、英文、法文、德文、日文等。这使得它在全球范围内都有广泛的应用。
    
    高准确性： Tesseract-OCR经过多年的开发和改进，具有较高的文字识别准确性。它能够识别多种字体和字型，即使在低分辨率或模糊的图像中也能表现良好。
    
    简单易用： 使用Tesseract-OCR进行文字识别通常是非常简单的。它提供了命令行接口和API接口，可以轻松地集成到各种应用程序和开发项目中。
    
    可定制性： 虽然Tesseract-OCR在默认配置下已经表现出色，但也可以通过配置文件和参数进行定制，以满足特定需求。你可以调整字体、语言、图像处理方法等参数，以获得更好的识别结果。

GitHub 地址：[ https://gitcode.com/tesseract-ocr/tesseract?utm\_source=csdn\_github\_accelerator&isLogin=1][https_gitcode.com_tesseract-ocr_tesseract_utm_source_csdn_github_accelerator_isLogin_1]  
安装包官方下载地址：[https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe][https_digi.bib.uni-mannheim.de_tesseract_tesseract-ocr-setup-4.00.00dev.exe]  
语言包下载地址：[https://github.com/tesseract-ocr/tessdata][https_github.com_tesseract-ocr_tessdata]

### 2. 配置系统环境 ###

1.  右击此电脑选择高级设置，在系统变量的path属性中添加安装路径  
    ![在这里插入图片描述][5fe4d064150c416c8d51825c321796dd.png]
2.  添加 tessdata 系统变量

如下图新建系统变量 ： TESSDATA\_PREFIX  
变量值为 tessdata 文件夹的路径（在Tesseract-OCR的安装目录下）：

![在这里插入图片描述][1c98707560594d92a440e1dd138a6021.png]

1.  cmd查看是否安装成功

tesseract --version

![在这里插入图片描述][4acf51e9616c4ee9b525715eecabed62.png]

1.  查看已经安装的语言

在cmd中输入tesseract --list-langs回车，若显示版本号即为安装成功。

![在这里插入图片描述][a64cbf2676bc4ced82607e4be3225773.png]

### 3. 识别示例1 ###

（自带英文，无需额为下载语言包）

1.  代码示例

import pytesseract
    from PIL import Image
    
    def demo():
        # 打开要识别的图片
        image = Image.open('D:/OCR/eng.png')
        # 使用pytesseract调用image_to_string方法进行识别，传入要识别的图片，lang='chi_sim'是设置为中文识别，
        text = pytesseract.image_to_string(image, lang='eng')
        # 输入所识别的文字
        print(text)
    
    if __name__ == '__main__':
        demo()

1.  运行结果

![在这里插入图片描述][63bd3b359e3545eda45aa652f46cfeb5.png]

![在这里插入图片描述][d611922741b14da8988d565ea81b1ef8.png]

### 4. 识别示例2 ###

1.  在官网下载中文识别语言包，放到 D:\\Program Files (x86)\\Tesseract-OCR\\tessdata （安装目录）下

![在这里插入图片描述][72f3d025ff8344d2b84b49ac8a8161f4.png]  
![在这里插入图片描述][4d563740a2a34cff8737d2b438f0d6b8.png]  
2.代码示例

import pytesseract
    from PIL import Image
    
    def demo():
        # 打开要识别的图片
        image = Image.open('D:/OCR/古诗.png')
        # 使用pytesseract调用image_to_string方法进行识别，传入要识别的图片，lang='chi_sim'是设置为中文识别，
        text = pytesseract.image_to_string(image, lang='chi_sim')
        # 输入所识别的文字
        print(text)
    
    if __name__ == '__main__':
        demo()

1.  运行结果

![在这里插入图片描述][182266b138d447e5b065923eb7931bc3.png]

![在这里插入图片描述][c8ae7452b28547c385cd44d6f38a3f28.png]

### 3. 识别示例3 ###

import pytesseract
    import requests
    from PIL import Image
    from io import BytesIO
    
    
    def demo():
        # 设置请求头
        headers = {
        
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                          'Chrome/58.0.3029.110 Safari/537.3'}
    
        # 获取图片并转换为PIL Image对象
        response = requests.get(
            'https://img-blog.csdnimg.cn/591e6f372b8c419fb3a00093a1f5ad92.png?x-oss-process=image/watermark,'
            'type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA5Y2K5aOV5pil5rC0,size_20,color_FFFFFF,t_70,g_se,'
            'x_16#pic_center',
            headers=headers)
        image = Image.open(BytesIO(response.content))
    
        # 使用pytesseract调用image_to_string方法进行识别，传入要识别的图片，lang='chi_sim'是设置为中文识别，
        text = pytesseract.image_to_string(image, lang='chi_sim')
    
        # 输入所识别的文字
        print(text)
    
    
    if __name__ == '__main__':
        demo()

![在这里插入图片描述][03241e9336d246d38be63899973e9914.png]  
![在这里插入图片描述][fcb09d6f15e24bfd855f31e50c01f2ad.png]

[Link 1]: https://www.captainbed.cn/dl
[21bfa925380e42d3a5c3e5cc39372260.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/2c64304835924b1086581751f122f6d2.png
[674112a3360d47f89ac48f9ccfc22ad6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/38f8ef76297241a8857959937e6f4efc.png
[1427aa9ac8be460b9b7a02593bf420d7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/3895a94db17247a386da80117646ba8a.png
[d38e2107837748f993cb6f501532c520.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/3b5f07fae5c8411b982297d314542c24.png
[30b795df5d494ec394b08b45db7b81b9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/afd0c13cd8ae482481215844aee8de90.png
[https_gitcode.com_tesseract-ocr_tesseract_utm_source_csdn_github_accelerator_isLogin_1]: https://gitcode.com/tesseract-ocr/tesseract?utm_source=csdn_github_accelerator&isLogin=1
[https_digi.bib.uni-mannheim.de_tesseract_tesseract-ocr-setup-4.00.00dev.exe]: https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe
[https_github.com_tesseract-ocr_tessdata]: https://github.com/tesseract-ocr/tessdata
[5fe4d064150c416c8d51825c321796dd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/65ea24963168492283256ee66231a6b7.png
[1c98707560594d92a440e1dd138a6021.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/33e5addc882e409f8c2abd78f21906ad.png
[4acf51e9616c4ee9b525715eecabed62.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/00bfb5ab01cb4ee993ed94c44d1b4bda.png
[a64cbf2676bc4ced82607e4be3225773.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/5c195b098b30434a97c9961e2fdac3d7.png
[63bd3b359e3545eda45aa652f46cfeb5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/a668dc6bdcd14837b1fec45c076aa29b.png
[d611922741b14da8988d565ea81b1ef8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/0cb21d58e3f14e5b83bc8efc03b69523.png
[72f3d025ff8344d2b84b49ac8a8161f4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/f08fbe49c16548d1a507c54cf9947526.png
[4d563740a2a34cff8737d2b438f0d6b8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/04f4bb16782947789498019771891c92.png
[182266b138d447e5b065923eb7931bc3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/a09b6e9f90e74b6ba959ed9ad0acc819.png
[c8ae7452b28547c385cd44d6f38a3f28.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/73f824cac7d148d388e3897aec067104.png
[03241e9336d246d38be63899973e9914.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/30d448098dcd4745b5a7a5bb7e1b950e.png
[fcb09d6f15e24bfd855f31e50c01f2ad.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/6e290009609a4810b68f1e66fab39206.png