CSDN图片验证码的识别代码

csdn可以说的技术界的老大了,而CSDN的验证码识别如下,看如下代码

简单验证码的识别:CSDN验证码的识别
取图像部分,ASP.NET_SessionID=这个值你要自己取这样的话就可以做成自动登录了

private  Stream geturl( ref   string  str)
        
{
            
string url = "http://www.csdn.net/member/ShowExPwd.aspx";
            WebRequest myWebRequest 
= WebRequest.Create(url);
        
            myWebRequest.Headers.Add(
"Cookie","ASP.NET_SessionId=tr0p4g45xa0qzg45bmlqprnn");
            WebResponse myWebResponse 
= myWebRequest.GetResponse();
            Stream ReceiveStream 
= myWebResponse.GetResponseStream();    
            str
=myWebResponse.Headers[6];
            
return ReceiveStream;
            
        }

        
private   string  getNumber()
        
{
            
string str;
            str
="";
            Stream geturlStream 
=geturl(ref str);
            Bitmap map 
= new Bitmap(geturlStream,false);
            pictureBox1.Image 
= (Image)map;
            csdn csdn1
= new csdn ();
            
return csdn1.readMap(map)+str;
        }

验证码识别部分(很简单类型的):

分割图片变成四个部分.

接下来判断象素点.再判断特征点 100%识别

using System;
using System.Drawing;
using System.Drawing.Drawing2D;
using System.Drawing.Imaging;

namespace binbin
{
    
/// <summary>
    
/// Class1 的摘要说明。
    
/// </summary>

    public class csdn
    
{
        
public csdn()
        
{
            
        }

        
public string readMap(Bitmap image)
        
{
            
string str;
            RectangleF[] block
=new RectangleF[4];
            block[
0]=new Rectangle(3,0,8,18);
            block[
1]=new Rectangle(12,0,8,18);
            block[
2]=new Rectangle(21,0,8,18);
            block[
3]=new Rectangle(30,0,8,18);
            
//分别克隆图片的四个部分    
            Bitmap[] s=new Bitmap[4];
            s[
0]=image.Clone(block[0],PixelFormat.DontCare);
            s[
1]=image.Clone(block[1],PixelFormat.DontCare);
            s[
2]=image.Clone(block[2],PixelFormat.DontCare);
            s[
3]=image.Clone(block[3],PixelFormat.DontCare);
            str
=ReadMap(s[0]).ToString();
            str
=str+ReadMap(s[1]).ToString();
            str
=str+ReadMap(s[2]).ToString();
            str
=str+ReadMap(s[3]).ToString();
            
return str;
        }

        
private int ReadMap(Bitmap k)
        
{
            
int n=0;
            
int m=0;
            Color color;
            
for(int i=7; i>=0;i--)
            
{
                
forint j=17; j>=0;j--)
                
{
                    color
=k.GetPixel(i,j);
                    
if (color.GetBrightness()==1.0)
                    
{
                        n
=n+1;//白色点
                    }

                    
else
                    
{
                        m
=m+1;//蓝色点
                    }


                }

            }

            
switch(m)
            
{
                
case 22:
                    color
=k.GetPixel(7,12);
                    
if (color.GetBrightness()==1)
                    
{
                        
return 2;
                    }

                    
else
                    
{
                        
return 3;
                    }

                
case 25:
                    
return 4;
                
case 26:
                    
return 5;
                
case 28:
                    
return 0;
                
case 30:
                    
return 8;
                
case 18//18 29还要特殊处理
                    color=k.GetPixel(7,4);
                    
if (color.GetBrightness()==1)
                        
{
                            
return 1;
                        }

                    
else
                        
{
                            
return 7;
                        }

                
case 29:

                    color
=k.GetPixel(1,15);
                    
if (color.GetBrightness()==1)
                    
{
                        
return 6;
                    }

                    
else
                    
{
                        
return 9;
                    }

                
default:
                    
break;
            }

            
return -1;
        }

    }

}

Python爬虫验证码识别是指在进行爬虫时,遇到网页上设置的验证码,使用特定的技术来自动识别验证码并绕过验证码验证。这是一种非常重要的技术,在Python爬虫中起到关键作用。[2] 实现Python爬虫验证码识别可以按照以下步骤进行: 1. 下载验证码图片:首先需要准备一些验证码图片。可以通过在网络上搜索验证码图片进行下载,或者使用Python的爬虫程序去爬取目标网站的验证码。例如,可以手动下载一个简单的数字验证码图片,并保存为“test.jpg”文件。 2. 图像预处理:对下载的验证码图片进行预处理,包括去噪、二值化、降噪等操作。这可以通过使用Python的图像处理库,如OpenCV,来实现。 3. 特征提取:从预处理后的验证码图片中提取特征,例如字符的形状、颜色、纹理等信息。这可以通过使用图像处理和机器学习的算法和技术来实现。 4. 训练模型:使用提取的特征和已知的验证码样本进行训练,构建一个验证码识别模型。可以使用机器学习算法,如支持向量机(SVM)或深度学习算法,如卷积神经网络(CNN)来训练模型。 5. 验证码识别:使用训练好的模型对新的验证码进行识别。可以将验证码图片输入到模型中,模型将输出对应的验证码结果。 6. 验证码绕过:根据验证码识别的结果,可以编写代码来绕过验证码验证,实现自动化的爬取。 需要注意的是,验证码识别是一项复杂的任务,识别效果可能会受到多种因素的影响,如验证码的复杂程度、噪音干扰、字体变化等。因此,在实际应用中,需要根据具体情况选择合适的处理方法和技术,以达到最佳的识别效果。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python爬虫之验证码识别](https://blog.csdn.net/naer_chongya/article/details/130785840)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值