Python爬蟲遇到驗證碼怎么解決

本篇內容介紹了“Python爬蟲遇到驗證碼怎么解決”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

一 前言

中國知網的注冊頁面使用的是這種驗證碼，頁面如下：

二 準備工作

1 目標

以知網的驗證碼為例，利用OCR（Optical Character Recognition 光學字符識別）技術識別圖形驗證碼。

2 安裝tesseract

2.2 下載tesseract-ocr-setup-3.05.01.exe

2.3 安裝注意事項

勾選Additional language data（download）選項，這樣可以識別多國語言。

3 安裝tesserocr

pip install tesserocr pillow

安裝好的Tesseract-OCR后，從D:\Program Files (x86)\Tesseract-OCR目錄下，將tessdata文件夾拷貝到下面目錄

E:\WebSpider\venv\Scripts

4 獲取驗證碼

將驗證碼圖形 保存到本地，命名為code.jpg

三 實戰

1 實戰

1.1 代碼

import tesserocr
from PIL import Image
 
image = Image.open('code.jpg')
result = tesserocr.image_to_text(image)
print(result)
 
image = Image.open('code1.jpg')
result = tesserocr.image_to_text(image)
print(result)
 
image = Image.open('code2.jpg')
result = tesserocr.image_to_text(image)
print(result)

1.2 效果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py
DTKD
JR42
PFRT

1.3 說明

code.jpg是DTKT

code1.jpg是JR42

code2.jpg是PFRT

將結果和實際圖片進行比較，正確率還是比較高的。

2 實戰2

2.1 代碼

import tesserocr
 
print(tesserocr.file_to_text('code.jpg'))
print(tesserocr.file_to_text('code1.jpg'))
print(tesserocr.file_to_text('code2.jpg'))

2.2 效果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py
DTKD
.ll?42
FFKT

2.3 說明

code.jpg是DTKT

code1.jpg是JR42

code2.jpg是PFRT

將結果和實際圖片進行比較，正確率并不是很高。

3 實戰3

3.1 代碼

import tesserocr
from PIL import Image
 
image = Image.open('code2.jpg')
 
image = image.convert('L')
threshold = 127
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
 
image = image.point(table, '1')
image.show()
 
result = tesserocr.image_to_text(image)
print(result)

3.2 效果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/8_1.py
PFRT

“Python爬蟲遇到驗證碼怎么解決”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！