Python爬蟲識別驗證碼

安裝tesserocr

pip3 install tesserocr pillow

識別測試

將驗證碼圖片放到項目根目錄下，用tesserocr庫識別該驗證碼，代碼如下所示：

import locale

locale.setlocale(locale.LC_ALL, 'C')

import tesserocr

from PIL import Image

image = Image.open('code.jpg')

result = tesserocr.image_to_text(image)

print(result)

0

1

2

3

4

5

6

7

importlocale

locale.setlocale(locale.LC_ALL,'C')

importtesserocr

fromPILimportImage

image=Image.open('code.jpg')

result=tesserocr.image_to_text(image)

print(result)

新建了一個Image對象，調用了tesserocr的image_to_text( )方法。傳入該Image對象即可完成識別，實現過程非常簡單，結果如下：

識別的結果和實際結果有偏差，這是因為驗證碼內的多余線條干擾了圖片的識別。

另外，tesserocr還有一個更加簡單的方法，這個方法可以直接將圖片文件轉為字符串，代碼如下：

import locale

locale.setlocale(locale.LC_ALL, 'C')

import tesserocr

from PIL import Image

print(tesserocr.image_to_text('code.jpg'))

0

1

2

3

4

5

importlocale

locale.setlocale(locale.LC_ALL,'C')

importtesserocr

fromPILimportImage

print(tesserocr.image_to_text('code.jpg'))

不過這種方法的識別效果不如上一種的好。

對于上面的圖片，我們可以看到其實并沒有完全識別正確，所以我們需要對圖像作進一步的處理，如灰度轉換、二值化等操作。

我們可以利用Image對象的convert( )方法參數傳入L，即可將圖片轉化為灰度圖像，代碼如下：

image = Image.convert('L')

image.show()

0

1

image=Image.convert('L')

image.show()

傳入1即可將圖片進行二值化處理，如下所示：

image = Image.convert('1')

image.show()

0

1

image=Image.convert('1')

image.show()

我們還可以指定二值化的閾值。上面的方法采用的是默認閾值127。不過我們不能直接轉化原圖，要將原圖先轉化為灰度圖像，然后再指定二值化閾值，代碼如下：

import locale

locale.setlocale(locale.LC_ALL, 'C')

import tesserocr

from PIL import Image

image = Image.open('code.jpg')

image = image.convert('L')

threshold = 160

table = []

for i in range(256):

if i < threshold:

table.append(0)

else:

table.append(1)

image = image.point(table, '1')

image.show()

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

importlocale

locale.setlocale(locale.LC_ALL,'C')

importtesserocr

fromPILimportImage

image=Image.open('code.jpg')

image=image.convert('L')

threshold=160

table=[]

foriinrange(256):

ifi

table.append(0)

else:

table.append(1)

image=image.point(table,'1')

image.show()

在這里，變量threshold代表二值化閾值，閾值設置為160，之后我們來看看我們的結果：

我們可以看到現在的二維碼就比較方便我們進行識別了；那么對于一些有干擾的圖片，我們做一些灰度和二值化處理，這會提高圖片識別的正確率。

總結

以上是生活随笔為你收集整理的python爬虫验证码的识别_Python爬虫识别验证码的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。