python 验证码识别

登录网站，遇到验证码如何处理？
一、 在输入验证码框内，通过人眼识别，手动输入验证码。
二、 通过对验证码进行识别，让程序去处理。
利弊分析：
手动输入的利与弊
利：介于light平台的验证码并不复杂，可以认为，手动输入验证码的准确率是100%。
弊：碰上验证码都需要手动输入，无疑会占用一点点时间。
程序处理的利于弊：
利：这一点不必多说，完全自动化。
弊：程序识别验证码准确率并非100%，有时候是非常低的，可能1/4、1/5乃至更低的准确识别率。
实现方案：
选择了第二个方案，通过程序处理识别验证码。虽然可能处理五次才能成功一次，但是对于程序处理来说，也就几秒钟的时间，在时间上并不会比手动输入更慢。
对于验证码识别，python需要安装的库有：
1、 PIL(安装需要BeautifulSoup4支持)——对图片进行处理
2、 tesseract-ocr ——光学识别（将图片上的信息转换成文字）

识别验证码流程：
1、 访问验证码网址
2、 截图保存
3、 对图片进行处理，使之更易被光学识别
4、 进行光学处理（通俗点就是图片信息转换成文本信息）
5、 对处理后文本进行处理（主要是：去掉空格、换行）
6、 对最终的文本信息做一个基本判断（light平台的验证码都是四位或五位，若验证码识别文本长度不是四位或五位，就可以认为识别失败）
以下代码是简化了过程，着重识别验证码这一个步骤。

import subprocessfrom PIL import Imagefrom PIL import ImageOpsdef cleanImage(imagePath):    image = Image.open(imagePath)   #读取文件    image = image.point(lambda x: 0 if x<143 else 255)  #对像素点处理    borderImage = ImageOps.expand(image,border=20,fill='white') #图片延伸    borderImage.save(imagePath) #保存def getAuthCode(file, driver="a", url="b"):    # captchaUrl = url + "iuccasserver/captcha.jpg"   #图片路径    # driver.get(captchaUrl)    # time.sleep(0.5)    # driver.save_screenshot("captcha.jpg")   #验证码截图    #urlretrieve(captchaUrl, "captcha.jpg")    # cleanImage("captcha.jpg")   #图片处理    cleanImage(file)   #图片处理    p = subprocess.Popen(["tesseract", file, "captcha"], stdout=subprocess.PIPE, stderr=subprocess.PIPE)    p.wait()    f = open("captcha.txt", "r")    #Clean any whitespace characters    captchaResponse = f.read().replace(" ", "").replace("\n", "")    print("Captcha solution attempt: "+captchaResponse)    if (len(captchaResponse) == 4) or (len(captchaResponse) == 5):        return captchaResponse    else:        return Falseprint(getAuthCode("captcha.jpg"))print(getAuthCode("captcha4.jpg"))print(getAuthCode("captcha5.jpg"))

上述验证码处理函数为：

上述代码中光学识别语句为：
p = subprocess.Popen([“tesseract”, “captcha.jpg”, “captcha”], stdout=subprocess.PIPE, stderr=subprocess.PIPE)
以上代码也可以在dos窗口下输入命令：

如上命令，执行后会生成文件 captcha.txt文件
有以下三张图，可以作为一个验证数据
captcha.jpg

captcha4.jpg

captcha5.jpg

注：这篇文章是对之前文章“python+selenium识别验证码并登录”的补充。文章地址为：http://blog.csdn.net/ck3207/article/details/51711559