python爬虫反反爬之图片验证

2024-03-11 15:12

本文主要是介绍python爬虫反反爬之图片验证,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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】。

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

2. 安装及环境支持

python <= 3.9Windows/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 ddddocrocr = 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

在这里插入图片描述

4. 识别示例2

  1. 代码示例
# 实例化对象
import ddddocr
import requestsocr = 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

在这里插入图片描述

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
安装包官方下载地址: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

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
  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

  1. cmd查看是否安装成功

tesseract --version

在这里插入图片描述

  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

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 Imagedef 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

在这里插入图片描述

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
在这里插入图片描述
2.代码示例

import pytesseract
from PIL import Imagedef 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

在这里插入图片描述

3. 识别示例3

import pytesseract
import requests
from PIL import Image
from io import BytesIOdef 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
在这里插入图片描述

这篇关于python爬虫反反爬之图片验证的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/798179

相关文章

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

Python自动化批量重命名与整理文件系统

《Python自动化批量重命名与整理文件系统》这篇文章主要为大家详细介绍了如何使用Python实现一个强大的文件批量重命名与整理工具,帮助开发者自动化这一繁琐过程,有需要的小伙伴可以了解下... 目录简介环境准备项目功能概述代码详细解析1. 导入必要的库2. 配置参数设置3. 创建日志系统4. 安全文件名处

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处

MySQL 主从复制部署及验证(示例详解)

《MySQL主从复制部署及验证(示例详解)》本文介绍MySQL主从复制部署步骤及学校管理数据库创建脚本,包含表结构设计、示例数据插入和查询语句,用于验证主从同步功能,感兴趣的朋友一起看看吧... 目录mysql 主从复制部署指南部署步骤1.环境准备2. 主服务器配置3. 创建复制用户4. 获取主服务器状态5

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定