python爬蟲四種驗證碼的解決思路

1.輸入式驗證碼

 

 

這種驗證碼主要是經過用戶輸入圖片中的字母、數字、漢字等進行驗證。以下圖

 

圖1                           圖2

解決思路：這種是最簡單的一種，只要識別出裏面的內容，而後填入到輸入框中便可。這種識別技術叫OCR，這裏咱們推薦使用Python的第三方庫，tesserocr。對於沒有什麼背影影響的驗證碼如圖2，直接經過這個庫來識別就能夠。可是對於有嘈雜的背景的驗證碼這種，直接識別識別率會很低，遇到這種咱們就得須要先處理一下圖片，先對圖片進行灰度化，而後再進行二值化，再去識別，這樣識別率會大大提升。

2.滑動式驗證碼

這種是將備選碎片直線滑動到正確的位置，以下圖

解決思路：對於這種驗證碼就比較複雜一點，但也是有相應的辦法。咱們直接想到的就是模擬人去拖動驗證碼的行爲，點擊按鈕，而後看到了缺口  的位置，最後把拼圖拖到缺口位置處完成驗證。

第一步：點擊按鈕。而後咱們發現，在你沒有點擊按鈕的時候那個缺口和拼圖是沒有出現的，點擊後纔出現，這爲咱們找到缺口的位置提供了靈感。

第二步：拖到缺口位置。咱們知道拼圖應該拖到缺口處，可是這個距離若是用數值來表示？經過咱們第一步觀察到的現象，咱們能夠找到缺口的位置。這裏咱們能夠比較兩張圖的像素，設置一個基準值，若是某個位置的差值超過了基準值，那咱們就找到了這兩張圖片不同的位置，固然咱們是從那塊拼圖的右側開始而且從左到右，找到第一個不同的位置時就結束，這是的位置應該是缺口的left，因此咱們使用selenium拖到這個位置便可。這裏還有個疑問就是如何能自動的保存這兩張圖？這裏咱們能夠先找到這個標籤，而後獲取它的location和size，而後 top，bottom，left，right = location['y'] ,location['y']+size['height']+ location['x'] + size['width']  ,而後截圖，最後摳圖填入這四個位置就行。具體的使用能夠查看selenium文檔，點擊按鈕前摳張圖，點擊後再摳張圖。最後拖動的時候要須要模擬人的行爲，先加速而後減速。由於這種驗證碼有行爲特徵檢測，人是不可能作到一直勻速的，不然它就斷定爲是機器在拖動，這樣就沒法經過驗證了。

 

 

3.點擊式的圖文驗證 和  圖標選擇

圖文驗證：經過文字提醒用戶點擊圖中相同字的位置進行驗證。

圖標選擇： 給出一組圖片，按要求點擊其中一張或者多張。借用萬物識別的難度阻擋機器。

這兩種原理類似，只不過是一個是給出文字，點擊圖片中的文字，一個是給出圖片，點出內容相同的圖片。

這兩種沒有特別好的方法，只能藉助第三方識別接口來識別出相同的內容，推薦一個超級鷹，把驗證碼發過去，會返回相應的點擊座標。

而後再使用selenium模擬點擊便可。具體怎麼獲取圖片和上面方法同樣。

 

4.宮格驗證碼

 

這種就很棘手，每一次出現的都不同，可是也會出現同樣的。並且拖動順序都不同。

可是咱們發現不同的驗證碼個數是有限的，這裏採用模版匹配的方法。我以爲就好像暴力枚舉，把全部出現的驗證碼保存下來，而後挑出不同的驗證碼，按照拖動順序命名，咱們從左到右上下到下，設爲1,2,3,4。上圖的滑動順序爲4,3,2,1因此咱們命名4_3_2_1.png，這裏得手動搞。當驗證碼出現的時候，用咱們保存的圖片一一枚舉，與出現這種比較像素，方法見上面。若是匹配上了，拖動順序就爲4,3,2,1。而後使用selenium模擬便可。

 

參考資料：

Python3網絡爬蟲開發實戰教程