Python爬虫之验证码处理

1、了解常见验证码

在日常生活与工作中，在进行各类设计个人账户安全的操作时，往往需要填写各种验证码来进行验证，短信、语音、文字、问答、图片、拖拽、旋转腾挪、拼图接图...千奇百怪，各种各样，种类繁多，花样迭起！

就拿奇葩验证码鼻祖的12306来说，如今我们在12306中可以碰到各种有趣，各种类型的验证码的原因，要归功于为抢票事业做出巨大贡献的——黄牛们，它的“进化史”就是一部不断与黄牛和抢票软件“斗智斗勇”的历史。

目前我们常见的验证码，无非就是文本、图像以及音频这三大类。

而当文本验证码仍容易被机器“击破”时，图像验证码就应运而生了。通常是会提供一些物体、动物、植物、人、风景之类的图像，让我们选择正确的图像进行标记。这就是以12306为首的图像验证码了，但是这个还不算后来图像验证码又增加了新的玩法，比如旋转图片，比如拼图以及宫格，目的还是为了对抗爬虫这些机器。

接下来是音频验证码，这种相比前两种数量相对要小一些，主要是会给我们一段录音，里面有随机的单词或数字，有的会加一些噪音，我们基于录音输入其中听到的单词或数字，或者把它读出来。从安全性上来说，声音验证码比文本和图像等级要提升一个层级，因为机器想要听录音并分辨，这个难度会非常大。

2、验证码的处理方案

• 手动输入(input) 这种方法仅限于登录一次就可持续使用的情况

• 图像识别引擎解析 使用光学识别引擎处理图片中的数据，目前常用于图片数据提取，较少用于验证码处理

• 打码平台 爬虫常用的验证码解决方案

3、图像识别引擎

OCR，即Optical C