工作中，如何用python和selenium提取驗證碼呢？

按照以往的經驗，有4種方法：

1. 讓開發幫忙去掉驗證碼代碼，重新部署環境
2. 弄個萬能驗證碼，每次登陸都可以登陸
3. 用cookie添加登錄名和密碼避開驗證碼的方式
4. 老老實實獲取驗證碼圖片，識别出驗證碼

方法一：

遇到好說話的開發，他一般都能幫忙去掉驗證碼的代碼。

但是代碼去掉了，還需要重新部署一套沒驗證碼的環境，麻煩，不推薦。

方法二：

還是需要開發的幫助，弄一個萬能驗證碼，但測試環境弄的萬能驗證碼可千萬不能搞到正式環境。

故不推薦，還是先想想别的辦法。

方法三：

該方法的難點是：如何在cookie中找到登陸用戶名和密碼的name，再将用戶名和密碼添加進去。

方法四：

最容易想到的辦法，重點講這個方法，此處有2個思路。

1. 截圖登陸頁面，再截取驗證碼圖片，識别；
2. 直接在登陸頁面，定位到驗證碼，将驗證碼圖片另存為，識别；

該方法實現過程中，用到第三方庫pytesseract，所以先安裝需要引用的庫。

pytesseract依賴于tesseract，需要先安裝tesseract。

安裝Tesseract模塊：

git文檔地址：https://digi.bib.uni-mannheim.de/tesseract/

請安裝不帶dev的穩定版，下載後就是一個exe安裝包，直接右擊安裝即可。

一般安裝在默認路徑，如果不在默認路徑，請記住該路徑。

下載培訓數據：

需要下載相應的培訓數據，直接下載整個zip文件，解壓後将文件複制到’tessdata‘目錄中。

一般為：C:\Program Files (x86)\Tesseract-OCR\tessdata

配置環境變量：

1. 編輯系統變量裡面 path，添加安裝路徑：C:\Program Files (x86)\Tesseract-OCR
2. 添加TESSDATA_PREFIX變量，值為：C:\Program Files (x86)\Tesseract-OCR\tessdata
3. 最後，在cmd命令模式下測試是否安裝成功：
4. tesseract test.jpg text -l chi_sim

安裝python的第三方庫：　

pip install pillow #一個python的圖像處理庫，pytesseract依賴

pip install pytesseract

修改pytesseract.py文件：

找到pytesseract的安裝包，C:\Python34\Lib\site-packages\pytesseract。

編輯pytesseract.py文件，該步驟必須做，不然編譯時會報錯。

修改内容如下：

tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

代碼實現

上面講述了實現的2種思路，現在分别說明代碼實現過程。

思路一：

1. 先計算浏覽器與登陸頁面截圖的比例值
2. 再計算對應的驗證碼圖片位置
3. 再将獲取到的驗證碼圖片，先進行二值化處理
4. 處理後的圖像采用pytesseract庫轉化

截圖保存驗證碼

二值化處理驗證碼圖片

驗證碼圖片轉化

上述圖片轉化過程中，注意參數設置。

不設置參數時，總是将1轉化為7，設置後轉化準确率杠杠滴。

當然，目前隻是識别數字型的驗證碼，文字類型的方法應該是類似的。

思路二：

1. 先定位到驗證碼的位置
2. 将驗證碼圖片另存到一個路徑
3. 該路徑下獲取最新的驗證碼圖片
4. 驗證碼圖片二值化處理
5. 處理後的圖像采用pytesseract庫轉化

驗證碼另存為圖片

後面的圖片處理和獲取驗證碼過程與思路一相同。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部