验证码破解技术四部曲之环境搭建篇（一）

验证码破解技术四部曲之环境搭建篇（一）

前言

转眼就变成大四狗了，大学期间做的比较深入的技术是爬虫，但是爬虫也有很多高级的技术没有涉及，比如说验证码的破解便是其中之一，再加上我对其非常感兴趣，于是乎，开始苦学图像处理、学习机器学习，验证码破解也有了些眉头。

以下是我破解的几种验证码。

1、最容易破解的验证码

直接使用tesseract库识别。

2、download.csdn的验证码

使用K近邻算法识别。

3、weibo.cn验证码

使用卷积神经网络训练识别。

说明

项目源码：https://github.com/nladuo/captcha-break (可以帮我点个star(^__^))
开发语言：python(编写爬虫),c++(编写图像处理部分以及机器学习算法)
开发环境：ubuntu 14.04
依赖库：
Python：PIL、BeautifulSoup4、requests
C++：boost、opencv2、tesseract-ocr

环境搭建

安装opencv 2.4.12

sudo apt-get install build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale-dev 
wget https://codeload.github.com/Itseez/opencv/zip/2.4.12
unzip opencv-2.4.12.zip
cd opencv-2.4.12 ; mkdir release  ; cd release  
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..  
make -j8
sudo make install

安装tesseract-ocr

sudo apt-get install tesseract-ocr tesseract-ocr-dev

安装boost

sudo apt-get install libboost-dev

安装python的PIL库

sudo apt-get install python-imaging

安装python的BeautifulSoup4、requests库

sudo apt-get install python-pip
sudo pip install bs4
sudo pip install requests

下载项目源码

git clone https://github.com/nladuo/captcha-break.git