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

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文