php爬虫模拟登录有验证码,爬虫-处理验证码

前言

这两天在看相关于模拟登录的案例，不可避免的遇到了一些验证码相关的问题，在此之前一直使用的是将验证码下载到本地，然后人工肉眼识别的方式。但是效果可想而知，精确度倒是还可以，然而却变得不是很智能了。于是今天来学习一下如何自动识别验证码。

环境

我的实验环境为：

Python3.6

Pycharm2016.2 Professional

Tesseract-OCR-3.0

Windows 10 64位

在开始之前确保安装了tesseract引擎，然后是pytesseract这个第三方库。

如果没有安装其实也是可以使用的，那就是借助Python调用系统命令的方式来实现将验证码图片中的内容读入到文本文件，在通过代码读取文本文件得到验证码内容。 但是pytesseract使得这样的一个过程更加简便，所以没有安装的话还是建议安装一下。

pip install pytesseract

读取图片的时候需要PIL库的支持，没有安装的话还是建议先安装一下，否则程序无法进行下去的。

实施

简易示例

import pytesseract

from PIL import Image

image = Image.open(r'checkcode.gif', mode='r')

vcode = pytesseract.image_to_string(image)

print(vcode)

结果为：