简单识别图形验证码

目前，不少网站为了防止用户利用爬虫自动注册、登录等，都采用了验证码技术。但是，人们也已经研究出了破解之策，这些网站的注册/登录页面经常会遭到网络机器人的垃圾注册。

事实上，大多数网站生成的图片验证码都具有以下几个特性：

• 服务器动态生成的图片。虽然验证码图片对应的节点属性src跟普通的图片不太一样，但是可以和其它图片一样进行下载和处理。

• 验证码的答案存储在服务器端的数据库中。

• 很多验证码都有时间限制，若太长时间没有解决，则会失效。

通常情况下，验证码的处理思路为：

(1) 将网站的验证码图片下载到硬盘中，使用PIL库处理干净（如图片降噪、图片切割等）。

(2) 利用Tesseract技术识别图片中的文字。

(3) 返回符合网站要求的识别结果。

接下来，就使用一个小案例来对使用pytesseract技术识别图像验证码的功能加以应用。我们准备了10张验证码图片，这些图片及图片名称如图1所示，在项目中将从这些图片中随机选取1张进行验证码识别。

图1 验证码图片

我们在PyCharm中创建一个项目，取名为ocr。在ocr项目下新建文件夹，取名为“images”，将准备好的10张图片拷贝到“images”文件夹下。

然后在ocr项目下创建一个Python文件，取名为textInPic.py，在该文件中添加代码，从10张图片中随机选取1张进行识别，并将识别出的文本输出到控制台。textInPic.py文件内的代码如下所示。

from random import randint
import pytesseract
from PIL import Image
#随机获取一个本地验证码图片的名称
picName = str(randint(0,9)) + '.png'
#加载图片
image = Image.open('images/' + picName)
#从图片中识别验证码
text = pytesseract.image_to_string(image)
#输出图片名称和识别到的验证码文字
print(picName + ":" + text)

运行代码，它的一次输出结果可能如下所示。

6.png:9527