工作中,，如何用python和selenium提取驗(yàn)證碼,？
根據(jù)以往的經(jīng)驗(yàn)，有四種方法：
讓開發(fā)人員幫助刪除驗(yàn)證碼,，并重新部署環(huán)境以獲得通用驗(yàn)證碼,。每次登錄都可以登錄，使用cookie添加登錄名和密碼,，避開驗(yàn)證碼,。可以老老實(shí)實(shí)的拿到驗(yàn)證碼圖片,，識別驗(yàn)證碼,。
方法1:
說到輕松開發(fā)，他一般都能幫忙去掉驗(yàn)證碼的代碼,。
但是去掉代碼后,，需要重新部署一套沒有驗(yàn)證碼的環(huán)境，比較麻煩,，不推薦,。
方法二：
還是需要開發(fā)的幫助，得到一個(gè)通用的驗(yàn)證碼,，但是測試環(huán)境做出的通用驗(yàn)證碼永遠(yuǎn)到不了正式環(huán)境,。
所以不建議,。還是先想想別的辦法吧。
方法三：
這種方法的難點(diǎn)是如何在cookie中找到登錄用戶名和密碼的名稱,，然后添加用戶名和密碼,。
方法4:
最容易想到的方法，重點(diǎn)看這個(gè)方法,，這里有兩個(gè)思路,。
對登陸頁面進(jìn)行截圖，然后抓取驗(yàn)證碼圖片進(jìn)行識別,；直接在登錄頁面,，定位驗(yàn)證碼，將驗(yàn)證碼圖片另存為并識別,；
該方法實(shí)現(xiàn)過程中使用了第三方庫pytesseract,，所以要引用的庫要先安裝。
Pyseract依賴于pytesseractt,，需要先安裝pytesserac,。
安裝宇宙魔方模塊：
Git文件地址：https://digi.bib.uni-mannheim.de/tesseract/
請安裝沒有開發(fā)的穩(wěn)定版本。下載后是一個(gè)exe安裝包,。只需右鍵點(diǎn)擊安裝即可,。
通常，它安裝在默認(rèn)路徑中,。如果不在默認(rèn)路徑中,，請記住路徑。
下載培訓(xùn)數(shù)據(jù)：
如果需要下載相應(yīng)的訓(xùn)練數(shù)據(jù),，直接下載整個(gè)zip文件,，解壓后將文件復(fù)制到‘Tess data’目錄。
一般為：c : program files(x86) tesserac-ocr Tess data
配置環(huán)境變量：
編輯系統(tǒng)變量中的路徑并添加安裝路徑：c : program files(x86) tesserac t-OCR,。添加值為c : program files(x86) tesserac-OCR Tess data的TESSDATA_PREFIX變量,。最后，在cmd命令模式下測試安裝是否成功
安裝python的第三方庫：
安裝Pillow #一個(gè)python圖像處理庫,，依賴于pytesseract,。
pip安裝pytesseract
修改pytesseract.py文件：
找到pytesserac的安裝包，c : python 34 lib site-packages pytesserac,。
編輯pytesseract.py文件,。這一步必須完成，否則編譯時(shí)會報(bào)錯(cuò),。
修正案如下：
tessera CT _ cmd=' c :/Program Files(x86)/tessera CT-OCR/tessera CT . exe '
上面已經(jīng)描述了這兩種實(shí)現(xiàn)思路,，現(xiàn)在分別說明代碼實(shí)現(xiàn)過程。
想法一：
首先計(jì)算瀏覽器與登陸頁面截圖的比例值,，然后計(jì)算對應(yīng)的驗(yàn)證碼圖片位置,，進(jìn)而得到驗(yàn)證碼圖片,。二值化后的圖像通過pytesseract庫進(jìn)行轉(zhuǎn)換。
保存截圖驗(yàn)證碼
二進(jìn)制處理驗(yàn)證碼圖片
驗(yàn)證碼圖像轉(zhuǎn)換
注意以上圖像轉(zhuǎn)換過程中的參數(shù)設(shè)置,。
未設(shè)置參數(shù)時(shí),，1會一直轉(zhuǎn)換為7，設(shè)置后轉(zhuǎn)換精度會下降,。
當(dāng)然目前只是數(shù)字型的驗(yàn)證碼,，文字型的方法應(yīng)該差不多。
想法二：
首先定位驗(yàn)證碼的位置,，將驗(yàn)證碼圖片保存為路徑,。從這個(gè)路徑,，獲取最新的驗(yàn)證碼圖片,。驗(yàn)證碼圖片的二值化圖像由pytesseract庫轉(zhuǎn)換。
將驗(yàn)證碼保存為圖片
接下來的圖像處理和獲取驗(yàn)證碼的過程和第一個(gè)思路一樣,。
官方微信
TOP
