4-验证码的识别【针对特定类型-->4种常见类型】--【重要！】

目前许多网站采用验证码来进行反爬虫！且花式越来越多！验证码最初是由几个数字的简单的图形验证码，后来加入英文字母和混淆曲线，设置还有中文字符的验证码，使得识别越来越难！

目前交互式验证码越来越多，如：极验滑动验证码需要滑动拼合滑块才可以完成验证，点触验证码需要完全点击正确结果才可以完成验证，另外还有滑动宫格验证码、计算题验证码等。

本帖涉及的地验证码：普通验证码、极验滑动验证码、点触验证码、微博宫格验证码。这些验证码识别的方式和思路各有不同，了解这些之后，就差不多啦~~~

一、图形验证码的识别

图形验证码一般是由4位字母或者数字组成。比如：中国知网的注册如下图，网址：http://my.cnki.net/elibregister/commonRegister.aspx

措施：利用OCR技术识别图形验证码，需要安装tesserocr库。

#例子：现在保存一张验证码图片，命名为code.jpg，使用tesserocr库识别该验证码。

验证码图片为：

import tesserocr      
from PIL import Image

image=Image.open('code.jpg')
res=tesserocr.image_to_text(image)  #重要！
print(res)   #结果显示：  .1960

发现识别结果和实际情况有偏差，这是因为验证码内的多余线条干扰了图片的识别。需要对验证码图片进行额外的处理，如：灰度化、二值化等。

利用Image对象的convert()方法参数传入L，可将图片转化为灰度图像；参数传入1，可将图片进行二值化处理。

image=image.convert('L')  #灰度化
image=image.convert('1')  #二值化

还可以指定二值化的阈值。上面的方法（传入参数1）采用的是默认的阈值127。但是不能直接二值化原图，要先进行灰度化。

image=image.convert('L')  #灰度化
threshold=127  #阈值
table=[]    
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
image=image.point(table,'1')  #二值化  【自己设置阈值】   此时等价于  image.convert('1')
image.show()   #

此时原来验证码图片中的线条已经去除，整个验证码图片变得黑白分明。这是再利用tesserocr识别即可。

import tesserocr
from PIL import Image
image=Image.open('code.jpg')
image=image.convert('L')   #灰度化
threshold=100  #设置阈值
table=[]
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
image=image.point(table,'1')  #二值化
res=tesserocr.image_to_text(image)
print(res)   #  J96C

图片验证码的识别成功！

总结：利用tesserocr识别验证码！若是验证码图片较为简单，就可以直接识别，但是若是较为复杂（有线条的干扰），需要对验证码图片进行预处理（灰度化、二值化）来提高识别的准确度。

二、极验滑动验证码的识别--->以极验证官方后台登录为例！

【极验验证码的这块知识：参考的是崔庆才作者的《Python3-网络爬虫开发实战》】

注：实际上现在很多的网站的极验验证码都是查找不到原始的验证码（不带缺口的图片）！但是我们要掌握这种方法的思路。

其需要拖动拼合滑块才可以验证，难！！！如图：

目标：用程序来识别并通过极验验证码的验证，包括：分析识别思路、识别缺口位置、生成滑动拖动路径、模拟实现滑块拼合通过验证等步骤。

工具：使用Selenium中的Chrome动态爬取。

识别思路：首先找到一个带有极验验证的网站，如：极验官方后台，链接：https://auth.geetest.com/login/。其是先点击，再进行极验校正，验证成功之后会出现：。

操作步骤：(1)模拟点击验证按钮   (2)识别滑动缺口的位置     (3)模拟拖动滑块

分析步骤：

第(1)步操作最简单，我们可以直接用Selenium模拟点击按钮。

第(2)步操作识别缺口的位置比较关键，这里需要用到图像的相关处理方法。首先观察缺口的样子(见上图)，缺口的四周边缘有明显的断裂边缘，边缘和边缘周围有明显的区别。我们可以实现一个边缘检测算法来找出缺口的位置。

对于极验验证码来说，我们可以利用和原图对比检测的方式来识别缺口的位置，因为在没有滑动滑块之前， 缺口并没有呈现。  

获取两张图片。设定一个对比阔值，然后遍历两张图片，找出相同位置像素RGB差距超过此阔值的像素点，那么此像素点的位置就是缺口的位置。

第(3)步操作看似简单，但其中的坑比较多。极验验证码增加了机器轨迹识别，匀速移动、随机速度移动等方法都不能通过验证，只有完全模拟人的移动轨迹才可以通过验证。人的移动轨迹一般是先加速后减速，需要模拟这个过程才能成功。

1、初始化

极验的管理后台登录页面：https://account.geetest.com/login。初始化一些配置，如Selenium 对象的初始化及一些参数的配置，如下：

EMAIL = 'pansy_nuist@163.com'
PASSWORD = '******************'  #自己的密码

class CrackGeetest():
    def __init__(self):
        self.url = 'https://account.geetest.com/login'
        self.browser = webdriver.Chrome()
        self.wait = WebDriverWait(self.browser, 20)
        self.email = EMAIL
        self.password = PASSWORD

2、模拟点击

实现第1步的操作， 也就是模拟点击初始的验证按钮。利用显式等待的方法来实现，如下：

def get_geetest_button(self):
    """
    获取初始验证按钮
    :return:
    """
    button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_radar_tip')))
    return button

获取一个Web Element对象，调用它的click()方法即可模拟点击，代码如下所示：

button=