驗證碼處理
學(xué)習(xí)目標(biāo)
了解 驗證碼的相關(guān)知識
掌握 圖片識別引擎的使用
了解 常見的打碼平臺
掌握 通過打碼平臺處理驗證碼的方法
1.圖片驗證碼
1.1 什么是圖片驗證碼

驗證碼（CAPTCHA）是“Completely Automated Public Turing test to tell Computers and Humans Apart”（全自動區(qū)分計算機(jī)和人類的圖靈測試）的縮寫，是一種區(qū)分用戶是計算機(jī)還是人的公共全自動程序。
1.2 驗證碼的作用

防止惡意破解密碼、刷票、論壇灌水、刷頁。有效防止某個黑客對某一個特定注冊用戶用特定程序暴力破解方式進(jìn)行不斷的登錄嘗試，實際上使用驗證碼是現(xiàn)在很多網(wǎng)站通行的方式（比如招商銀行的網(wǎng)上個人銀行，百度社區(qū)），我們利用比較簡易的方式實現(xiàn)了這個功能。雖然登錄麻煩一點，但是對網(wǎng)友的密碼安全來說這個功能還是很有必要，也很重要。
1.3 圖片驗證碼在爬蟲中的使用場景

注冊
登錄
頻繁發(fā)送請求時，服務(wù)器彈出驗證碼進(jìn)行驗證
1.4 圖片驗證碼的處理方案

手動輸入(input)
這種方法僅限于登錄一次就可持續(xù)使用的情況
圖像識別引擎解析
使用光學(xué)識別引擎處理圖片中的數(shù)據(jù)，目前常用于圖片數(shù)據(jù)提取，較少用于驗證碼處理
打碼平臺
爬蟲常用的驗證碼解決方案
2.圖片識別引擎
OCR（Optical Character Recognition）是指使用掃描儀或數(shù)碼相機(jī)對文本資料進(jìn)行掃描成圖像文件，然后對圖像文件進(jìn)行分析處理，自動識別獲取文字信息及版面信息的軟件。
2.1 什么是tesseract
Tesseract，一款由HP實驗室開發(fā)由Google維護(hù)的開源OCR引擎，特點是開源，免費，支持多語言，多平臺。
項目地址：https://github.com/tesseract-ocr/tesseract
2.2 圖片識別引擎環(huán)境的安裝
1 引擎的安裝

mac環(huán)境下直接執(zhí)行命令

windows環(huán)境下的安裝
可以通過exe安裝包安裝，下載地址可以從GitHub項目中的wiki找到。安裝完成后記得將Tesseract 執(zhí)行文件的目錄加入到PATH中，方便后續(xù)調(diào)用。

linux環(huán)境下的安裝

2 Python庫的安裝
在pycharm下的terminal輸入下列代碼

2.3 圖片識別引擎的使用
通過pytesseract模塊的 image_to_string 方法就能將打開的圖片文件中的數(shù)據(jù)提取成字符串?dāng)?shù)據(jù)，具體方法如下

2.4 圖片識別引擎的使用擴(kuò)展
tesseract簡單使用與訓(xùn)練
其他ocr平臺

3 打碼平臺
1.為什么需要了解打碼平臺的使用
現(xiàn)在很多網(wǎng)站都會使用驗證碼來進(jìn)行反爬，所以為了能夠更好的獲取數(shù)據(jù)，需要了解如何使用打碼平臺爬蟲中的驗證碼

2 常見的打碼平臺
云打碼：http://www.yundama.com/
能夠解決通用的驗證碼識別

極驗驗證碼智能識別輔助：http://jiyandoc.c2567.com/
能夠解決復(fù)雜驗證碼的識別

3 云打碼的使用
下面以云打碼為例，了解打碼平臺如何使用

3.1 云打碼官方接口
下面代碼是云打碼平臺提供，做了個簡單修改，實現(xiàn)了兩個方法：

indetify:傳入圖片的響應(yīng)二進(jìn)制數(shù)即可
indetify_by_filepath:傳入圖片的路徑即可識別
其中需要自己配置的地方是：

云打碼官方提供的api如下：
#yundama.py

import requests
import json
import time

class YDMHttp:
apiurl = ‘http://api.yundama.com/api.php’
username = ‘’
password = ‘’
appid = ‘’
appkey = ‘’

def __init__(self, username, password, appid, appkey):self.username = usernameself.password = passwordself.appid = str(appid)self.appkey = appkeydef request(self, fields, files=[]):response = self.post_url(self.apiurl, fields, files)response = json.loads(response)return responsedef balance(self):data = {'method': 'balance', 'username': self.username, 'password': self.password, 'appid': self.appid,'appkey': self.appkey}response = self.request(data)if (response):if (response['ret'] and response['ret'] < 0):return response['ret']else:return response['balance']else:return -9001def login(self):data = {'method': 'login', 'username': self.username, 'password': self.password, 'appid': self.appid,'appkey': self.appkey}response = self.request(data)if (response):if (response['ret'] and response['ret'] < 0):return response['ret']else:return response['uid']else:return -9001def upload(self, filename, codetype, timeout):data = {'method': 'upload', 'username': self.username, 'password': self.password, 'appid': self.appid,'appkey': self.appkey, 'codetype': str(codetype), 'timeout': str(timeout)}file = {'file': filename}response = self.request(data, file)if (response):if (response['ret'] and response['ret'] < 0):return response['ret']else:return response['cid']else:return -9001def result(self, cid):data = {'method': 'result', 'username': self.username, 'password': self.password, 'appid': self.appid,'appkey': self.appkey, 'cid': str(cid)}response = self.request(data)return response and response['text'] or ''def decode(self, filename, codetype, timeout):cid = self.upload(filename, codetype, timeout)if (cid > 0):for i in range(0, timeout):result = self.result(cid)if (result != ''):return cid, resultelse:time.sleep(1)return -3003, ''else:return cid, ''def post_url(self, url, fields, files=[]):# for key in files:# files[key] = open(files[key], 'rb');res = requests.post(url, files=files, data=fields)return res.text

username = ‘whoarewe’ # 用戶名

password = ‘***’ # 密碼

appid = 4283 # appid

appkey = ‘02074c64f0d0bb9efb2df455537b01c3’ # appkey

filename = ‘getimage.jpg’ # 文件位置

codetype = 1004 # 驗證碼類型

超時

timeout = 60

def indetify(response_content):
if (username == ‘username’):
print(‘請設(shè)置好相關(guān)參數(shù)再測試’)
else:
# 初始化
yundama = YDMHttp(username, password, appid, appkey)

# 登陸云打碼uid = yundama.login();print('uid: %s' % uid)# 查詢余額balance = yundama.balance();print('balance: %s' % balance)# 開始識別，圖片路徑，驗證碼類型ID，超時時間（秒），識別結(jié)果cid, result = yundama.decode(response_content, codetype, timeout)print('cid: %s, result: %s' % (cid, result))return result

def indetify_by_filepath(file_path):
if (username == ‘username’):
print(‘請設(shè)置好相關(guān)參數(shù)再測試’)
else:
# 初始化
yundama = YDMHttp(username, password, appid, appkey)

# 登陸云打碼uid = yundama.login();print('uid: %s' % uid)# 查詢余額balance = yundama.balance();print('balance: %s' % balance)# 開始識別，圖片路徑，驗證碼類型ID，超時時間（秒），識別結(jié)果cid, result = yundama.decode(file_path, codetype, timeout)print('cid: %s, result: %s' % (cid, result))return result

if name == ‘main’:
pass

4 常見的驗證碼的種類
4.1 url地址不變，驗證碼不變
這是驗證碼里面非常簡單的一種類型，對應(yīng)的只需要獲取驗證碼的地址，然后請求，通過打碼平臺識別即可

4.2 url地址不變，驗證碼變化
這種驗證碼的類型是更加常見的一種類型，對于這種驗證碼，大家需要思考：

在登錄的過程中，假設(shè)我輸入的驗證碼是對的，對方服務(wù)器是如何判斷當(dāng)前我輸入的驗證碼是顯示在我屏幕上的驗證碼，而不是其他的驗證碼呢？

在獲取網(wǎng)頁的時候，請求驗證碼，以及提交驗證碼的時候，對方服務(wù)器肯定通過了某種手段驗證我之前獲取的驗證碼和最后提交的驗證碼是同一個驗證碼，那這個手段是什么手段呢？

很明顯，就是通過cookie來實現(xiàn)的，所以對應(yīng)的，在請求頁面，請求驗證碼，提交驗證碼的到時候需要保證cookie的一致性，對此可以使用requests.session來解決

總結(jié)

以上是生活随笔為你收集整理的Python打码API（学习使用）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。