发现一个通用的滑块验证码缺口识别库 captcha-recognizer (两行代码识别滑块验证码缺口)


前言

滑块验证码缺口位置是滑块验证码验证的关键,在此本文介绍一个滑块验证码的通用识别库,基于深度学习实现通用的滑块验证码的识别。并封装为易用的Python库,传入图片即可识别出缺口位置,两行代码即可识别滑块验证码缺口


安装与使用

安装

pip install captcha-recognizer

使用示例

from captcha_recognizer.recognizer import Recognizer

# source传入图片路径
box, confidence = Recognizer().identify_gap(source='<文件路径>', verbose=False)

print(f'缺口坐标: {box}')
print(f'可信度: {confidence}')

"""
打印结果格式如下:
缺口方框坐标: [331.72052001953125, 55.96122741699219, 422.079345703125, 161.7498779296875]
可信度: 0.9513089656829834

坐标原点:图片左上角
缺口方框坐标为缺口方框左上角和右下角距离坐标原点的距离
"""

识别效果展示

示例1
在这里插入图片描述
示例2
在这里插入图片描述
示例3
在这里插入图片描述
示例4
在这里插入图片描述


总结

可以看出captcha-recognizer库可以很好的识别出不同样式、不同尺寸滑块验证码的缺口位置,对于多缺口的验证码的也有非常好的识别效果。上手起来也非常方便,两行代码即可完成识别,YYDS

引用
Github Link
Pypi captcha-recognizer

  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是一个使用 Selenium 和 Pillow 识别滑块验证码的 Python 代码示例: ```python from selenium import webdriver from selenium.webdriver.common.action_chains import ActionChains from PIL import Image # 初始化浏览器 driver = webdriver.Chrome() driver.get('https://www.example.com') # 找到验证码图片元素和滑块元素 captcha_image = driver.find_element_by_xpath('//*[@id="captcha-image"]') slider_button = driver.find_element_by_xpath('//*[@id="slider-button"]') # 获取验证码图片和滑块位置信息 captcha_location = captcha_image.location slider_location = slider_button.location # 计算滑块相对于验证码图片的偏移量 slider_offset_x = slider_location['x'] - captcha_location['x'] slider_offset_y = slider_location['y'] - captcha_location['y'] # 获取验证码图片 captcha_image_base64 = captcha_image.screenshot_as_base64 captcha_image_data = captcha_image_base64.decode('base64') captcha_image_file = open('captcha.png', 'wb') captcha_image_file.write(captcha_image_data) captcha_image_file.close() # 处理验证码图片,获取有效部分和缺口位置 captcha_image = Image.open('captcha.png') captcha_image = captcha_image.convert('L') captcha_image = captcha_image.crop((0, 0, captcha_image.width - slider_offset_x, captcha_image.height)) captcha_image.save('captcha_cropped.png') captcha_image_data = captcha_image.tobytes() captcha_image_size = captcha_image.size # TODO: 使用机器学习或其他算法识别验证码缺口位置 # 移动滑块完成验证 slider_action = ActionChains(driver) slider_action.click_and_hold(slider_button).perform() slider_action.move_by_offset(captcha_image_size[0] - slider_offset_x, 0).perform() slider_action.release().perform() ``` 需要注意的是,上述代码中的 TODO 部分需要使用机器学习或其他算法来识别验证码缺口位置,这是整个验证码识别过程的核心部分,可根据具体情况选择不同的算法和模型进行实现。
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

打赏作者

吃苹果的牛顿顿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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