Python网络爬虫验证码识别

本文主要利用tesseract识别网页登陆中的验证码（从图像的角度，不是Cookie）

很多人对CAPTCHA（验证码）很熟悉，但是很少有人知道其含义：全自动区分计算机和人类的图灵测试。通俗的讲就是是一种区分人和人工智能程序的方法。很多的网页都设置了验证码，常见的就是由“字母数字”组成的图片，如下：

本文的代码是利用selenium模拟浏览器的运行，识别登陆界面的验证码，分割验证码的区域然后识别验证码（光学字符识别）。

# -*- coding: utf-8 -*-
"""
Created on Sun Apr 26 17:42:23 2020

@author: dell
"""

import re  # 用于正则
from PIL import Image  # 用于打开图片和对图片处理
import tesserocr
import pytesseract  # 用于图片转文字
from selenium import webdriver  # 用于打开网站
import time  # 代码运行停顿
import requests



def get_pictures():
        try:
            driver = webdriver.Chrome()
            driver.get('https:XXXXXXXXXXXX/')
            driver.refresh() #刷新页面
            driver.maximize_window() #浏览器最大化
            # time.sleep(10)