爬虫学习5---反反爬之识别图片验证码（ddddocr和pytesseract实测效果）

爬虫学习5—反反爬之识别图片验证码

名称	环境版本	说明
ddddocr	linux系统安装；python3版本：3.6.8；命令：python3 -m pip install ddddocr；安装的版本：ddddocr-1.4.3	/usr/local/lib/python3.6/site-packages/ddddocr-1.4.3-py3.6.egg/ddddocr/init.py中需要注释调项目说明，识别效果较好；见下图：
pytesseract	linux系统安装；python3版本：3.6.8；需要安装tesseract	识别效果一般不推荐

一、利用ddddocr识别图片验证码示例

首先安装ddddocr模块：python3 -m pip install ddddocr
	安装过程较为曲折，总是报错，后来按照报错的连带模块进行单独安装后，才安装完成。

1、示例代码

from selenium import webdriver
import time
from PIL import Image,ImageEnhance

import ddddocr

ocr = ddddocr.DdddOcr()   

url = "要访问的页面"
options = webdriver.ChromeOptions()
options.add_argument("--headless")  # 开启无界面模式
options.add_argument('--no-sandbox')
options.add_argument("--disable-gpu")
options.add_argument('--disable-dev-shm-usage')  # linux上需要设置上面四项内容。
driver = webdriver.Chrome(chrome_options=options,executable_path='/usr/bin/chromedriver')

driver.get(url)  # 请求Url
driver.maximize_window()    # 全屏显示
driver.save_screenshot('m3.png')    # 截屏整个页面，并保存为图片
location = driver.find_element_by_xpath('//*[@id="login"]/div[5]/span')   # 获取验证码区域的坐标
# print(location.location)
size = location.size   # 坐标大小
# print(size)
rangle = (int(location.location['x']),int(location.location['y']),int(location.location['x'] + size['width']),int(location.location['y'] + size['height']))   # 获取验证码图片的坐标大小
i = Image.open('m3.png')   # 通过图像的方式打开保存的图片
imgry=i.crop(rangle)    # 截取验证码区域
imgry.save('getVerifyCode1.png')   # 保存验证码图片
im=Image.open('getVerifyCode1.png')   # 再次打开新截取的验证码图片
sharpness =ImageEnhance.Contrast(im)     #对比度增强，是图片中验证码更容易识别
#
sharp_img = sharpness.enhance(2.0)
#
sharp_img.save("newVerifyCode1.png")    # 保存优化过的验证码图片


with open('newVerifyCode1.png', 'rb') as f:
    img_bytes = f.read()   # 读取图片
res = ocr.classification(img_bytes)   # 获取图片中的字符
print(res)

2、代码演示结果

证明获取的验证码信息和图片中相同。

二、pytesseract方式实现验证码

1、安装pytesseract

python3 -m pip install pytesseract

2、安装tesseract

安装详情见：https://blog.csdn.net/weixin_44575268/article/details/117258508

3、代码示例

from selenium import webdriver
import time
from PIL import Image,ImageEnhance

import pytesseract

tesseract_cmd = r'/usr/local/bin/tesseract'
pytesseract.pytesseract.tesseract_cmd =tesseract_cmd
url = "要访问的页面"
options = webdriver.ChromeOptions()
options.add_argument("--headless")  # 开启无界面模式
options.add_argument('--no-sandbox')
options.add_argument("--disable-gpu")
options.add_argument('--disable-dev-shm-usage')  # linux上需要设置上面四项内容。
driver = webdriver.Chrome(chrome_options=options,executable_path='/usr/bin/chromedriver')

driver.get(url)  # 请求Url
driver.maximize_window()    # 全屏显示
driver.save_screenshot('m3.png')    # 截屏整个页面，并保存为图片
location = driver.find_element_by_xpath('//*[@id="login"]/div[5]/span')   # 获取验证码区域的坐标
# print(location.location)
size = location.size   # 坐标大小
# print(size)
rangle = (int(location.location['x']),int(location.location['y']),int(location.location['x'] + size['width']),int(location.location['y'] + size['height']))   # 获取验证码图片的坐标大小
i = Image.open('m3.png')   # 通过图像的方式打开保存的图片
imgry=i.crop(rangle)    # 截取验证码区域
imgry.save('getVerifyCode1.png')   # 保存验证码图片
im=Image.open('getVerifyCode1.png')   # 再次打开新截取的验证码图片
sharpness =ImageEnhance.Contrast(im)     #对比度增强，是图片中验证码更容易识别
#
sharp_img = sharpness.enhance(2.0)
#
sharp_img.save("newVerifyCode1.png")    # 保存优化过的验证码图片
#
 newVerify = Image.open('newVerifyCode1.png')
#
 mm = pytesseract.image_to_string(newVerify,'eng')
 print(mm)

4、示例结果

图片：

结果：

未识别出来。