在编写自动化测试用例的时候，每次登录都需要输入验证码，后来想把让python自己识别图片里的验证码，不需要自己手动登陆，所以查了一下识别功能怎么实现，做一下笔记。
首选导入一些用到的库，re、Image、pytesseract、selenium、time
|
1
2
3
4
5
|
import re # 用于正则from PIL import Image # 用于打开图片和对图片处理import pytesseract # 用于图片转文字from selenium import webdriver # 用于打开网站import time # 代码运行停顿 |
首先需要获取验证码图片，才能进一步识别。
创建类，定义webdriver和find_element_by_selector方法，用来打开网页和定位验证码图片的元素
|
1
2
3
4
|
class VerificationCode: def __init__(self): self.driver = webdriver.Firefox() self.find_element = self.driver.find_element_by_css_selector |
然后打开浏览器截取验证码图片
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
def get_pictures(self): self.driver.get('http://123.255.123.3') # 打开登陆页面 self.driver.save_screenshot('pictures.png') # 全屏截图 page_snap_obj = Image.open('pictures.png') img = self.find_element('#pic') # 验证码元素位置 time.sleep(1) location = img.location size = img.size # 获取验证码的大小参数 left = location['x'] top = location['y'] right = left + size['width'] bottom = top + size['height'] image_obj = page_snap_obj.crop((left, top, right, bottom)) # 按照验证码的长宽，切割验证码 image_obj.show() # 打开切割后的完整验证码 self.driver.close() # 处理完验证码后关闭浏览器 return image_obj |
未处理前的验证码图片如下：
未处理的验证码图片，对于python来说识别率较低，仔细看可以发现图片里有很对五颜六色扰乱识别的点，非常影响识别率。
下面对获取的验证码进行处理。
首先用convert把图片转成黑白色。设置threshold阈值，超过阈值的为黑色
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
def processing_image(self): image_obj = self.get_pictures() # 获取验证码 img = image_obj.convert("L") # 转灰度 pixdata = img.load() w, h = img.size threshold = 160 # 该阈值不适合所有验证码，具体阈值请根据验证码情况设置 # 遍历所有像素，大于阈值的为黑色 for y in range(h): for x in range(w): if pixdata[x, y] < threshold: pixdata[x, y] = 0 else: pixdata[x, y] = 255 return img |
经过灰度处理后的图片
然后删除一些扰乱识别的像素点。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
def delete_spot(self): images = self.processing_image() data = images.getdata() w, h = images.size black_point = 0 for x in range(1, w - 1): for y in range(1, h - 1): mid_pixel = data[w * y + x] # 中央像素点像素值 if mid_pixel < 50: # 找出上下左右四个方向像素点像素值 top_pixel = data[w * (y - 1) + x] left_pixel = data[w * y + (x - 1)] down_pixel = data[w * (y + 1) + x] right_pixel = data[w * y + (x + 1)] # 判断上下左右的黑色像素点总个数 if top_pixel < 10: black_point += 1 if left_pixel < 10: black_point += 1 if down_pixel < 10: black_point += 1 if right_pixel < 10: black_point += 1 if black_point < 1: images.putpixel((x, y), 255) black_point = 0 # images.show() return images |
经过去除噪点处理后的图片
最后把处理后的图片转成文字。
先设置pytesseract的路径，因为默认路径是错的，然后转换图片为文字，由于个别图片中识别会出现处理遗漏，会被识别成空格或则点或则分号什么的，所以增加了一个去除验证码中特殊字符的处理。
|
1
2
3
4
5
6
7
8
|
def image_str(self): image = self.delete_spot() pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" # 设置pyteseract路径 result = pytesseract.image_to_string(image) # 图片转文字 resultj = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])", "", result) # 去除识别出来的特殊字符 result_four = resultj[0:4] # 只获取前4个字符 # print(resultj) # 打印识别的验证码 return result_four |
完整代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
|
import re # 用于正则from PIL import Image # 用于打开图片和对图片处理import pytesseract # 用于图片转文字from selenium import webdriver # 用于打开网站import time # 代码运行停顿 class VerificationCode: def __init__(self): self.driver = webdriver.Firefox() self.find_element = self.driver.find_element_by_css_selector def get_pictures(self): self.driver.get('http://123.255.123.3') # 打开登陆页面 self.driver.save_screenshot('pictures.png') # 全屏截图 page_snap_obj = Image.open('pictures.png') img = self.find_element('#pic') # 验证码元素位置 time.sleep(1) location = img.location size = img.size # 获取验证码的大小参数 left = location['x'] top = location['y'] right = left + size['width'] bottom = top + size['height'] image_obj = page_snap_obj.crop((left, top, right, bottom)) # 按照验证码的长宽，切割验证码 image_obj.show() # 打开切割后的完整验证码 self.driver.close() # 处理完验证码后关闭浏览器 return image_obj def processing_image(self): image_obj = self.get_pictures() # 获取验证码 img = image_obj.convert("L") # 转灰度 pixdata = img.load() w, h = img.size threshold = 160 # 遍历所有像素，大于阈值的为黑色 for y in range(h): for x in range(w): if pixdata[x, y] < threshold: pixdata[x, y] = 0 else: pixdata[x, y] = 255 return img def delete_spot(self): images = self.processing_image() data = images.getdata() w, h = images.size black_point = 0 for x in range(1, w - 1): for y in range(1, h - 1): mid_pixel = data[w * y + x] # 中央像素点像素值 if mid_pixel < 50: # 找出上下左右四个方向像素点像素值 top_pixel = data[w * (y - 1) + x] left_pixel = data[w * y + (x - 1)] down_pixel = data[w * (y + 1) + x] right_pixel = data[w * y + (x + 1)] # 判断上下左右的黑色像素点总个数 if top_pixel < 10: black_point += 1 if left_pixel < 10: black_point += 1 if down_pixel < 10: black_point += 1 if right_pixel < 10: black_point += 1 if black_point < 1: images.putpixel((x, y), 255) black_point = 0 # images.show() return images def image_str(self): image = self.delete_spot() pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" # 设置pyteseract路径 result = pytesseract.image_to_string(image) # 图片转文字 resultj = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])", "", result) # 去除识别出来的特殊字符 result_four = resultj[0:4] # 只获取前4个字符 # print(resultj) # 打印识别的验证码 return result_four if __name__ == '__main__': a = VerificationCode() a.image_str() |
看评论有很多人需要tesseract.exe文件，但是由于文件过大，发邮件会出现无法下载的情况，有需要的可以在一下连接里下载tesseract.exe文件
到此这篇关于python 识别登录验证码图片（完整代码）的文章就介绍到这了,更多相关python识别登录验证码图片内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/ever_peng/article/details/90547299
