python点触图形验证码识别软件_使用Python和Tesseract来识别图形验证码

*本文原创作者：ipenox，本文属FreeBuf原创奖励计划，未经许可禁止转载

各位在企业中做Web漏洞扫描或者渗透测试的朋友，可能会经常遇到需要对图形验证码进行程序识别的需求。很多时候验证码明明很简单(对于非互联网企业，或者企业内网中的应用来说特别如此)，但因为没有趁手的识别库，也只能苦哈哈地进行人肉识别，或者无奈地放弃任务。在这里，我分享一下自己使用Python和开源的tesseract OCR引擎做验证码识别的经验，并提供相关的源代码和示例供大家借鉴。

一、关于图形验证码识别与tesseractOCR

尽管多数图型验证码只有区区几个数字或字母，但你可能听说了，在进行机器识别的过程中，你要收集样本，对图片去噪、二值化、提取字符、计算特征，甚至还要祭出神经网络去训练数据进行机器学习……还没开干，退堂鼓早打响三遍了。其实我根本不想去钻研那么多高深的理论，只想要寥寥数行Python代码就搞定它，然后把主要精力投入到更重要的渗透测试中去。在这种情况下，tesseract就能帮上大忙了。

Tesseract的OCR引擎最早是HP实验室开发的，曾经是 OCR业内最准确的三款识别引擎之一。2005年该引擎交给了Google，作为开源项目发布在Google Project上了。Tesseract提供独立程序和API两种形式供用户使用。纯白色背景、字符规整无干扰像素的验证码图片可以直接调用tesseract程序来进行识别。如要更方便灵活地在自己的程序中进行识别，则可以使用tesseract的API。

二、Tesseract的编译和安装

Tesseract的项目主页(https://github.com/tesseract-ocr/tesseract)上wiki中有详细的编译安装步骤，大家