纯Python识别验证码，让Python爬虫技术更进一步！

前言

写爬虫有一个绕不过去的问题，那就是验证码，比如像某乎，如果不先登陆，连里面的内容数据都爬不到，而验证码就是网站进行发爬虫的一种措施，随着技术的发展，验证码越来越复杂，爬虫的工作越来越艰苦，所以这次就来讲解，怎么来识别验证码；（听上去口气很大的感觉）

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！??¤
QQ群：961562169

​

image.png

先来看看，目前遇到的验证码种类有哪些？

1）图形验证码
图形验证码应该是最简单的一种验证码，这种验证码是最早出现，也是目前最常见的，一般组成规则是4个字母或数字或混合组成;

​

image.png

2）滑动验证码

​

image.png

3）点触验证码

​

image.png

 

​

image.png

 

Ok,上面这3种验证码方式，应该是目前PC上比较常见的验证码种类的，当然手机app上还会有手势验证，宫格验证，语音验证等等，这里就不介绍，主要针对上面常见的3种介绍；

1 图形验证码

某乎的验证码有2种，一种是图形验证码，一种是点触验证码，经过测试发现，一开始是显示图形验证码，但当登陆退出次数逐渐增多，就会变成点触验证码，这种验证码的切换机制，也算是防爬虫的一种手段，闲话不多说，先喵喵：

某乎链接:https://www.zhihu.com/signup?next=%2F
打开后默认是在注册页面，点击下登陆按钮，如果还是没有验证码，刷新几次网页就行了；

​

image.png

下面这种，下2篇文章会介绍；

​

image.png

2 信息介绍

识别图形验证码需要安装tesserocr这个库，下面介绍下tesserocr；
tesserocr是Python的一个OCR识别库，但其实是对tesseract做了一层Python Api的封装，
核心还是tesseract，所以在安装tesserocr之前，需要先安装tesseract;

等下，懵逼中，tesserocr这个能看明白，是一个库，但OCR是什么？tesseract又是什么？

OCR
OCR,全称叫 Optical Character Recognition，中文翻译叫光学字符识别，是指通过扫描字符，通过其形状将其翻译成电子文本的过程；

举例:
当有一个图形验证码，先使用OCR技术将其转化成电子文本，然后爬虫将识别的结果提交到服务器，便达到自动识别验证码的过程；

tesseract
tesseract是google开源的OCR

OK,貌似对概念有所理解了，还有个疑问，之前有在图