python爬虫 图片验证码_python爬取验证码图片（待识别）

先用下面这段代码爬取测试数据集

import urllib.request

from multiprocessing.dummy import Pool as ThreadPool

import os

url = 'http://www.zhihu.com/captcha.gif'

output = '.gif'

targetDir = r"zhihu"

def destFile(path):

if not os.path.isdir(targetDir):

os.mkdir(targetDir)

t = os.path.join(targetDir, path)

return t

def saveimg(i):

urllib.request.urlretrieve(url, destFile(str(i)+output))

pool = ThreadPool(8)

pool.map(saveimg, range(1, 10000))

pool.close()

pool.join()得到10000张图片

注意左下角只有9858个图片，在运行过程中程序假死了，可能是因为服务器端DoS了，也可能是我不知道的原因。

网上查了下python对图片的识别，在2.x时代有PIL、pytesser、tesseract，效果不太好且PIL不支持3。

去翻翻机器学习有什么好东西再继续

参考资料：

1. Python验证码识别处理实例