目录
字符验证码
导入 pip install pillow
导入：pip install Pytesseract
点触验证
超级鹰接口代码
测试代码
滑块验证
字符验证码
导入 ；pip install pillow
导入：pip install Pytesseract
PIL库
常用阈值选择的方法是：灰度平均值值法： 取 127 （ 0~255 的中数， （ 0+255 ） /2 = 127 ） 平均值法： 计算像素点矩阵中的所有像素点的灰度值的平均值 avg 迭代法： 选择一个近似阈值作为估计值的初始值（比如全图像的平均灰度）， 然后进行分割图像，产生两组像素，一组大于初始灰度值，另一组小于 初始灰度值，根据产生的子图像的特征来选取新的阈值，在利用新的阈 值分割图像，经过多次循环，使得错误分割的图像像素点降到最小。Windows下安装
https://digi.bib.uni-mannheim.de/tesseract/可自行下载,点击下一步即可;
# -*- coding: utf-8 -*-from PIL import Imageim = Image.open('1.png')#从文件中加载图像img_gray = im.convert('L') # 对图片进行灰度化# ig.save('2.png') 保存灰度化的'''对图片进行2值化'''def binarization(ig):w, h = img_gray.sizetmp = 0for i in range(w):for j in range(h):tmp += ig.getpixel((i, j))avg_pixel = tmp / w / h# 二值化处理for i in range(w):for j in range(h):p = ig.getpixel((i, j))if p > avg_pixel:ig.putpixel((i, j), 255)else:ig.putpixel((i, j), 0)return ig# img_bz = binarization(img_gray)# img_bz.save('3.png')'''找到噪点范围'''def point_list(i, j, prange):for x in range(i-prange, i+prange):for y in range(j - prange, j + prange):if x ==i and y==j:continueyield (x,y)'''传入需要降噪的二值化图片'''def reduce_noise(ig):w,h = ig.sizeboard_rate = 0.06prange = 9 #可以改的范围自己调主要是看周围多少黑点for i in range(w):for j in range(h):if i < w * board_rate or i > w * (1 - board_rate) or j < h * board_rate or j > h * (1 - board_rate):ig.putpixel((i, j), 255)continuep = ig.getpixel((i, j))if p < 100:count = 0for x, y in point_list(i, j, prange):if ig.getpixel((x, y)) > 100:count += 1if count > 0.5 * ((prange * 2 + 1) ** 2 - 1):ig.putpixel((i, j), 255)return ig# ig_nz = reduce_noise(img_bz)# ig_nz.save('img_nz.png') #生成完整的图片方便识别'''识别图片'''import pytesseractpytesseract.pytesseract.tesseract_cmd=r'J:\Tesseract\tesseract.exe'zhi=pytesseract.image_to_string('img_nz.png')print(zhi)
Tesseract识别
OCR识别概念OCR （ Optical Character Recognition ）光学字符识别， 指的是对文本资 料的图像文件进行分析识别处理，获取文集及版面信息的过程Tesseract-OCR一个开源的字符识别引擎，我们可以用他来识别一些简单的验证码。Windows下安装https://digi.bib.uni-mannheim.de/tesseract/ 可自行下载 , 点击下一步即 可 ;Pytesseract认识：Pytesseract 识别效果不佳，如果想提高识别率，可以使用 jTessBoxEditor 对 Tesseract 进行简单的训练。 OCR 是一个专门的图像处理的领域 高精度的识别需要依靠深度学习、神经网络等技术 本章重点是对图片文件的理解点触验证
超级鹰的使用
/超级鹰平台配置
1. 注册超级鹰账号密码 2. 在个人中心注册一个软件，相当于做开发新建一个工程超级鹰接口代码
3. 下载开发文档
4. 创建类的第三个参数是第2步创建的软件的ID
5. PostPic 方法的第二个参数是，验证码的类型，不同的验证码，识别价 格不一样 /price.html
超级鹰接口代码
#!/usr/bin/env python# coding:utf-8import requestsfrom hashlib import md5class Chaojiying_Client(object):def __init__(self, username, password, soft_id):self.username = usernamepassword = password.encode('utf8')self.password = md5(password).hexdigest()self.soft_id = soft_idself.base_params = {'user': self.username,'pass2': self.password,'softid': self.soft_id,}self.headers = {'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}def PostPic(self, im, codetype):"""im: 图片字节codetype: 题目类型 参考 /price.html"""params = {'codetype': codetype,}params.update(self.base_params)files = {'userfile': ('ccc.jpg', im)}r = requests.post('/Upload/Processing.php', data=params, files=files, headers=self.headers)return r.json()def PostPic_base64(self, base64_str, codetype):"""im: 图片字节codetype: 题目类型 参考 /price.html"""params = {'codetype': codetype,'file_base64':base64_str}params.update(self.base_params)r = requests.post('/Upload/Processing.php', data=params, headers=self.headers)return r.json()def ReportError(self, im_id):"""im_id:报错题目的图片ID"""params = {'id': im_id,}params.update(self.base_params)r = requests.post('/Upload/ReportError.php', data=params, headers=self.headers)return r.json()if __name__ == '__main__':chaojiying = Chaojiying_Client('超级鹰用户名', '超级鹰用户名的密码', '96001')#用户中心>>软件ID 生成一个替换 96001im = open('a.jpg', 'rb').read()#本地图片文件路径 来替换 a.jpg 有时WIN系统须要//print(chaojiying.PostPic(im, 1902))#1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()#print chaojiying.PostPic(base64_str, 1902) #此处为传入 base64代码
测试代码
import timefrom selenium import webdriverfrom mon.by import Byfrom mon.action_chains import ActionChainsfrom chaojiying_Python.chaojiying import Chaojiying_Clientuser=''password=''wb = webdriver.Chrome()wb.get("/")# 选择iframefr = wb.find_element(by=By.XPATH,value='//iframe[@frameborder="0"]')wb.switch_to.frame(fr)# 选择登录注册wb.find_element(by=By.XPATH,value='//a[@class="lnRegister"]').click()# 切换焦点wb.switch_to.window(wb.window_handles[1])print(wb.title)# 选择iframeifr = wb.find_element(by=By.XPATH,value='//iframe[@frameborder="no"]')wb.switch_to.frame(ifr)# 数据输入框进行输入wb.find_element(by=By.XPATH, value='//input[@placeholder="输入你的手机号"]').send_keys("17688888888")wb.find_element(by=By.XPATH, value='//input[@placeholder="设置你帐号的登录密码"]').send_keys("qwe123456")wb.find_element(by=By.XPATH, value='//input[@placeholder="再次输入密码"]').send_keys("qwe123456")time.sleep(2)#-----------------------------------------------------------def get_code():code_img = 'yy_register.png'wb.find_element(by=By.ID, value="interActiveWrap").screenshot(code_img)return code_imgget_code()time.sleep(2)# 超级鹰识别def img_identify(img_path):chaojiying = Chaojiying_Client(username=user, password=password,soft_id='931146') # 用户中心>>软件ID 生成一个替换 96001im = open(img_path, 'rb').read() # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//resp = chaojiying.PostPic(im, 9103)# {'err_no': 0, 'err_str': 'OK', 'pic_id': '2219320570832210076', 'pic_str': '80,110|146,95|222,109', 'md5': '6896edf2ee6d75a59c81b24ce73967f6'}# '80,110|146,95|222,109'pic_str = resp.get('pic_str') # '80,110|146,95|222,109'pic_list = pic_str.split("|") # ['80,110','146,95','222,109']return pic_listimg_list = img_identify('yy_register.png')# 点击图片def img_click(my_list):img_element = wb.find_element(by=By.ID, value="interActiveWrap")for i in my_list:data = i.split(',') #['80','110']x = int(data[0]) # 80y = int(data[1]) # 110# 将鼠标移动到距某个元素多少距离的位置ActionChains(wb).move_to_element_with_offset(img_element, xoffset=x, yoffset=y).click().perform()time.sleep(2)wb.find_element(by=By.XPATH, value='//span[@class="pw_submit"]').click()img_click(img_list)wb.find_element(by=By.XPATH, value='//span[@node-name="JCheck"]').click()wb.find_element(by=By.XPATH, value='//a[@class="btn_blue_v3"]').click()
滑块验证
"""1.打开 https://captcha1.scrape.center/2.点击登录出现滑块验证3.计算滑块需要移动的距离1、知道他们颜色的色差a.如果能够得到完整的图片b.再得到缺口图片就可以找到移动的结束位置c.能够得到滑块图片就可以找到移动的开始位置4.使用selenium的动作链进行操作"""import timefrom PIL import Imagefrom selenium import webdriverfrom selenium.webdriver import ActionChainsfrom mon.by import Bydef get_captcha():# (1)隐藏滑块 得到缺口图js_hide_slice ='document.getElementsByClassName("geetest_canvas_slice")[0].style.display="none"'driver.execute_script(js_hide_slice)# 截取缺口图part_imgpath = "./part.png"driver.find_element_by_class_name("geetest_canvas_bg").screenshot(part_imgpath)# (2)显示滑块 隐藏缺口图 得到滑块图js_show_slice = 'document.getElementsByClassName("geetest_canvas_slice")[0].style.display="block"'js_hide_part= 'document.getElementsByClassName("geetest_canvas_bg")[0].style.display="none"'driver.execute_script(js_show_slice + ";" + js_hide_part)# 截取滑块图slice_imgpath = "./slice.png"driver.find_element_by_class_name("geetest_canvas_slice").screenshot(slice_imgpath)# (3)显示完整图js_show_full1 = 'document.getElementsByClassName("geetest_canvas_fullbg")[0].style.display="block"'js_show_full2 = 'document.getElementsByClassName("geetest_canvas_fullbg")[0].style.opacity="1"'driver.execute_script(js_show_full1+";"+js_show_full2)# 截取完整图full_imgpath = "./full.png"driver.find_element_by_class_name("geetest_canvas_fullbg").screenshot(full_imgpath)#还原 目的 还原成原来的模样 包含缺口图与滑块js_hide_full1 = 'document.getElementsByClassName("geetest_canvas_fullbg")[0].style.display="none"'js_hide_full2 = 'document.getElementsByClassName("geetest_canvas_fullbg")[0].style.opacity="0"'js_show_part = 'document.getElementsByClassName("geetest_canvas_bg")[0].style.display="block"'driver.execute_script(js_hide_full1 + ";" + js_hide_full2+ ";" +js_show_part)return part_imgpath,slice_imgpath,full_imgpath# 1.计算滑块的x轴坐标def get_slice_x(img_sclice):img = Image.open(img_sclice)w, h = img.sizefor x in range(w):for y in range(h):rgb = img.getpixel((x,y)) # (255,255,255)if rgb[0] + rgb[1] + rgb[2] < 600:print("滑块的坐标", x)return x# 2.计算缺口图的x轴坐标def get_bg_x(img_bg, img_full):bg = Image.open(img_bg)full = Image.open(img_full)w, h = bg.sizefor x in range(w):for y in range(h):bg_point = bg.getpixel((x,y))full_point = full.getpixel((x, y))r = bg_point[0] - full_point[0]g = bg_point[1] - full_point[1]b = bg_point[2] - full_point[2]abs_value = abs(r) + abs(g) + abs(b) # 33if abs_value > 180:print("缺口的坐标", x)return x# 计算滑动的距离def get_distance(img_slice, img_bg, img_full):slice_x = get_slice_x(img_slice)bg_x = get_bg_x(img_bg, img_full)data = abs(slice_x - bg_x)print('计算距离',data)return data# 模拟滑动def move_silder(tracks):# 100# 确定滑块对象element = driver.find_element(by=By.CLASS_NAME, value='geetest_slider_button')action_chains = ActionChains(driver)# 执行滑块的动作action_chains.click_and_hold(element).perform()action_chains.pause(0.2)action_chains.move_by_offset(tracks-10, 0) #action_chains.pause(0.6)action_chains.move_by_offset(10, 0) #action_chains.pause(0.6)action_chains.release().perform()if __name__ == '__main__':driver = webdriver.Chrome()url = 'https://captcha1.scrape.center/'driver.get(url)time.sleep(5) # 这里需要有一个停顿driver.find_element(by=By.CLASS_NAME, value='el-button--primary').click()time.sleep(2)# 解决问题3的截图操作（a,b,c）img_bg, img_slice, img_full = get_captcha()# 计算距离# 1.计算滑块的x轴坐标# get_slice_x('slice.png')# 2.计算缺口图的x轴坐标# get_bg_x('part.png', 'full.png')distance = get_distance(img_slice, img_bg, img_full)move_silder(distance)
