一篇文章带你搞定英数验证码，Python爬虫必备神器！

最近在导入某站数据（正经需求），看到他们的登录需要验证码，

本来并不想折腾的，然而Cookie有效期只有一天。

已经收到了几次夜间报警推送之后，实在忍不住。

 

得嘞，还是得研究下模拟登录。

于是，秃头了两个小时gang出来了。

预警

• 二值化、普通降噪、8邻域降噪
• tesseract、tesserocr、PIL

如果都了解这些东西，这文章就不用看了，直接跳到参考文献咯。

代码地址： https:// github.com/liguobao/pyt hon-verify-code-ocr

开始搞事

批量下载验证码图片

import shutil
import requests
from loguru import logger

for i in range(100):
    url = 'http://xxxx/create/validate/image'
    response = requests.get(url, stream=True)
    with open(f'./imgs/{i}.png', 'wb') as out_file:
        response.raw.decode_content = True
        shutil.copyfileobj(response.raw, out_file)
        logger.info(f"download {i}.png successfully.")
    del response

第一步，直接上识别代码看看效果。

from PIL import Image
import tesserocr
img = Image.open("./imgs/98.png")
img.show()
img_l = img.convert("L")# 灰阶图
img_l.show()
verify_code1 = tesserocr.image_to_text(img)
verify_code2 = tesserocr.image_to_text(img_l)
print