标签：服务 art pass 传参 container extern ane 第三方 文字
Python的强大，在于它有非常多的第三方库。对于验证码识别，Python也已经有了现成的库来供我们使用了。开源的OCR库pytesseract配合tesseract，可以用来将图片中的文字转化为文本。
不过这种方式我们在爬虫中用的并不多。因为现在大部分的验证码都加上了干扰的纹理，已经很少能用单机版的图片识别方式来识别了。所以我们这里仅仅使用简单地图片来进行介绍。如果有一天你的运气足够好，遇到了非常工整的验证码，那么你可以使用这个办法来试一试。
安装 tesseract
(1) Windows
请在这里下载安装包：https://github.com/tesseract-ocr/tesseract/wiki/Downloads
在 3rd party Windows exe‘s/installer 下面可以找到 exe 安装包。
(2) Mac
使用 homebrew 安装：
$ brew install tesseract |
(3) Linux
使用 apt-get 安装:
$ sudo apt-get install tesseract-orc |
更多的安装帮助信息，可以参阅：https://github.com/tesseract-ocr/tesseract/wiki
安装 Python库
要使用 tesseract 来做图像识别，我们还需要安装两个库：
$ pip install Pillow$ pip install pytesseract |
tesseract的使用
tesseract的使用非常简单，流程如下：
我们可以通过以下代码来实现最简单的图片识别：
import pytesseractfrom PIL import Imageimage = Image.open(‘1234.png‘)code = pytesseract.image_to_string(image)print(code) |
如果需要进行操作请保存下面图片：
测试结果如下：
代码：
import pytesseractfrom PIL import Imageimage = Image.open(‘1234.png‘)code = pytesseract.image_to_string(image)print(code) |
打码网站的介绍
现在还有一种在线验证码识别的网站。他们雇佣了很多失业者和残疾人来人肉识别验证码，一般十个验证码一分钱左右。我们可以使用这种网站提供的接口来帮助我们识别验证码。这种方式理论上可以识别任何使用输入方式来验证的验证码。
这种打码网站的流程一般是这样的：
整个流程走完，在网速良好的白天一般在3-4秒钟，在晚上大概8-10秒钟。
使用在线打码
大家在百度或者谷歌上面搜索：“验证码在线识别”，就可以找到很多提供在线打码的网站。但是由于一般这种打码网站是需要交费才能使用的，所以请一定要注意财产安全！
在这堂课里面，我使用一个叫做云打码的网站来进行测试。网站地址为：http://www.yundama.com/。注册账号以后，需要交费购买“题分”才能正常使用。大家充1元钱就可以了。千万别多充，因为这个网站看起来快要倒闭了，很多文档都没有更新，他们给出的API也有些问题。
这个网站虽然提供了各种语言的SDK，但是版本都比较旧了，所以我推荐大家使用他的HTTP接口：http://www.yundama.com/download/YDMHttp.html
这个页面上给出了上传的地址。大家不要去看它提供的“PythonHTTP调用示例”，因为这个示例有问题。
经过我的研究，它的HTTP接口的正确使用步骤如下：
我这里给出一个正确的使用方式的代码片段：
captcha_username = ‘slzcc‘ #打码网站用户名captcha_password = ‘1234567‘ #打码网站密码captcha_appid = 1captcha_appkey = ‘22cc5376925e9387a23cf797cb9ba745‘captcha_codetype = ‘1004‘filename = ‘1.png‘timeout = 15data = {‘method‘: ‘upload‘, ‘username‘: captcha_username, ‘password‘: captcha_password, ‘appid‘: captcha_appid, ‘appkey‘: captcha_appkey, ‘codetype‘: captcha_codetype, ‘timeout‘: ‘60‘}f = open(filename, ‘rb‘)file = {‘file‘: f}response = requests.post(captcha_url, data, files=file).textf.close()response_dict = json.loads(response)‘‘‘如果验证码比较简单，或者是白天，这里直接就可以拿到结果‘‘‘result = response_dict[‘text‘]‘‘‘如果验证码比较难以识别或者是深夜，需要等待网站的返回结果‘‘‘if not result: cid = response_dict[‘cid‘] while timeout > 0: response = requests.get(captcha_result_url.format(cid)).text response_dict = json.loads(response) print(response_dict, ‘——还剩:{}秒...‘.format(timeout)) captcha = response_dict[‘text‘] if response_dict[‘text‘]: print(‘验证码是: {}‘.format(captcha)) break time.sleep(1) timeout -= 1 |
|
|
标签：服务 art pass 传参 container extern ane 第三方 文字
原文地址：https://www.cnblogs.com/dalton/p/11353891.html
