字符滚动的GIF验证码如图所示,很有创意,我很喜欢hhh:
首先分析:
经过多张比对,两个干扰字符出现的帧的位置并无规律,无法通过单一的帧进行判断取哪个帧合适。可以采用序列识别,根据序列稳定性判断最佳的帧序列,来达到识别效果。
老样子,既然要训练,那就得采集样本,笔者对接自己训练的通用英数模型进行样本采集(通用英数测试地址:http://152.136.207.29:19812/preview?model_name=CUSTOMS_GIF)
ctx = execjs.compile(source)
class Customs(Project):
def __init__(self):
super().__init__()
self.captcha_length = [4, 4]
self.gif_max_frame = True
self.service_type = ServiceType.Local19952
self.captcha_url = "http://credit.customs.gov.cn/ccppserver/verifyCode/creator"
self.feedback_url = "http://credit.customs.gov.cn/ccppserver/ccpp/queryList"
def captcha_process(self) -> bytes:
r = self.session.get(self.captcha_url)
return r.content
def feedback_process(self, captcha_text: str) -> bool:
payload = {
"nameSaic": "000",
"checkCode": captcha_text
}
r = self.session.post(self.feedback_url, json=payload)
r.encoding = "utf8"
# print(r.text)
result = ctx.call("loadMenuTypeStr", r.text)
print(result)
if '%u65E0%u7B26%u5408%u6761%u4EF6%u7684%u6570%u636E' in result:
return True
else:
return False
if __name__ == '__main__':
project = Customs()
project.configuration(
proxy=ProxyType.mainland,
save_false=True,
headers={
"Referer": "http://credit.customs.gov.cn/",
"X-Requested-With": "XMLHttpRequest",
}
)
project.start(num=100000)
pass
笔者使用自建爬虫框架进行采集,如下图采集过程一气呵成。
样本采集结果如下:
有了样本就能开工了,使用captcha_trainer训练,根据先前的算法对GIF进行预处理,问题迎刃而解。训练方法千千万,实在不懂就先把样本分离成如下:
再进行训练。
识别率对接官网实测达99%。
作者QQ:27009583