python模擬登錄帶弱圖片驗證碼的網站

時間 2019-11-24

原文原文鏈接

上一篇介紹了使用python模擬登錄網站，可是登錄的網站都是直接輸入帳號及密碼進行登錄，如今不少網站爲了增強用戶安全性和提升反爬蟲機制都會有包括字符、圖片、手機驗證等等各式各樣的驗證碼。圖片驗證碼就是其中一種，並且識別難度愈來愈大，人爲都比較難識別。本篇咱們簡單介紹一下使用python登錄帶弱圖片驗證碼的網站。html

圖片驗證碼

通常都經過加干擾線、粘連或扭曲等方式來增長強度。python

登錄

咱們選擇一個政務網站（圖片驗證碼的強度較低）。git

點擊我的用戶登陸

訪問網站首頁之後咱們發現須要先點擊我的用戶登錄，且元素沒有name、id登標識很差獲取，因此咱們直接執行裏面的onClick方法web

# 新建selenium瀏覽器對象，後面是geckodriver.exe下載後本地路徑
browser = webdriver.Firefox()

url = 'http://xxx.gov.cn/'

# 瀏覽器訪問登陸頁面
browser.get(url)

# 等待3s用於加載腳本文件
browser.implicitly_wait(3)

# 點擊我的登錄
browser.execute_script('showpersonlogin();')

獲取圖片驗證碼

咱們能夠經過save_screenshot截圖，而後找到驗證碼元素，獲取元素位置而後在截圖的基礎上裁剪出驗證碼。算法

# 找到圖片驗證碼元素
img = browser.find_element_by_id('imgCode')

location = img.location

size = img.size

left = location['x']

top = location['y']

right = left + size['width']

bottom = top + size['height']

# 按照驗證碼的長寬，切割驗證碼
image_obj = loginPage.crop((left, top, right, bottom))

image_obj.save('code.png')

識別並登錄

因爲該網站的驗證碼比較簡單能夠直接用pytesseract模塊的image_to_string方法瀏覽器

orcCode = pytesseract.image_to_string('code.png')

# 輸入用戶名
username = browser.find_element_by_id('personaccount')
username.send_keys('帳號')

# 輸入密碼
password = browser.find_element_by_id('personpassword')
password.send_keys('密碼')

# 輸入驗證碼
code = browser.find_element_by_id('captcha1')
code.send_keys(orcCode)

# 執行登陸
browser.execute_script('personlogin();')


# 關閉瀏覽器
# browser.quit()

識別較複雜驗證碼算法

網上找的算法，先將圖片轉爲灰度圖，而後進行二值化處理（將圖像上的像素點的灰度值設置爲0或255。如灰度大於等於閾值的像素，用255表示。不然爲0。），再去噪（8鄰域降噪，判斷8個鄰域的黑色數量個數）。安全

ocrImage.py:app

import pytesseract
from PIL import Image
from collections import defaultdict


# 獲取圖片中像素點數量最多的像素
def get_threshold(image):
    pixel_dict = defaultdict(int)

    # 像素及該像素出現次數的字典
    rows, cols = image.size
    for i in range(rows):
        for j in range(cols):
            pixel = image.getpixel((i, j))
            pixel_dict[pixel] += 1

    count_max = max(pixel_dict.values())  # 獲取像素出現出多的次數
    pixel_dict_reverse = {v: k for k, v in pixel_dict.items()}
    threshold = pixel_dict_reverse[count_max]  # 獲取出現次數最多的像素點

    return threshold


# 按照閾值進行二值化處理
# threshold: 像素閾值
def get_bin_table(threshold):
    # 獲取灰度轉二值的映射table
    table = []
    for i in range(256):
        rate = 0.1  # 在threshold的適當範圍內進行處理
        if threshold * (1 - rate) <= i <= threshold * (1 + rate):
            table.append(1)
        else:
            table.append(0)
    return table


# 去掉二值化處理後的圖片中的噪聲點
def cut_noise(image):
    rows, cols = image.size  # 圖片的寬度和高度
    change_pos = []  # 記錄噪聲點位置

    # 遍歷圖片中的每一個點，除掉邊緣
    for i in range(1, rows - 1):
        for j in range(1, cols - 1):
            # pixel_set用來記錄該店附近的黑色像素的數量
            pixel_set = []
            # 取該點的鄰域爲以該點爲中心的九宮格
            for m in range(i - 1, i + 2):
                for n in range(j - 1, j + 2):
                    if image.getpixel((m, n)) != 1:  # 1爲白色,0位黑色
                        pixel_set.append(image.getpixel((m, n)))

            # 若是該位置的九宮內的黑色數量小於等於4，則判斷爲噪聲
            if len(pixel_set) <= 4:
                change_pos.append((i, j))

    # 對相應位置進行像素修改，將噪聲處的像素置爲1（白色）
    for pos in change_pos:
        image.putpixel(pos, 1)

    return image  # 返回修改後的圖片


# 識別圖片中的數字加字母
# 傳入參數爲圖片路徑，返回結果爲：識別結果
def ocr_img(img_path):
    image = Image.open(img_path)  # 打開圖片文件
    imgry = image.convert('L')  # 轉化爲灰度圖

    # 獲取圖片中的出現次數最多的像素，即爲該圖片的背景
    max_pixel = get_threshold(imgry)
    # 將圖片進行二值化處理
    table = get_bin_table(threshold=max_pixel)
    out = imgry.point(table, '1')

    # 去掉圖片中的噪聲（孤立點）
    out = cut_noise(out)

    # 僅識別圖片中的數字
    # text = pytesseract.image_to_string(out, config='digits')
    # 識別圖片中的數字和字母
    text = pytesseract.image_to_string(out)
    # 去掉識別結果中的特殊字符
    exclude_char_list = ' .:\\|\'\"?![],()~@#$%^&*_+-={};<>/¥'
    text = ''.join([x for x in text if x not in exclude_char_list])

    return text