Python 爬虫入门（四）—— 验证码下篇（破解简单的验证码）

时间  2019-11-10
标签 python 爬虫 入门 验证码 下篇 破解 简单 栏目 Python 繁體版
原文   原文链接

　　年前写了验证码上篇，原本很早前就想写下篇来着，只是过年比较忙，还有就是验证码破解比较繁杂，方法不一样，正确率也会有差别，我一直在找比较好的方案，可是好的方案都比较专业，设涉及到了图形图像处理这些，我也是只知其一;不知其二，因此就耽误了下来，在此对一直等待的同窗说声抱歉。有兴趣的同窗能够自行看看这方面的资料。由于咱们都是入门，此次就以简单点的验证码为例，讲述下流程。废话很少说，正式开始。python

　　1.)获取验证码算法

　　在上节，咱们已经讲述了获取验证码的方法，这里不做赘述。下面是我获取到的另外一个网站的验证码（最后我会放一个验证码的压缩包，想要练习的同窗能够下载下来，寻找准确率更高的方案）。windows

　2.)分析验证码app

　　a.)分析样本空间ide

　　从上面的验证码能够看出，图片上总共有5个字，分别是操做数一、操做符、操做数二、"等于"。因此咱们提取的话，只有前三个字是有效字。同时操做数的取值范围（0~9），操做符的取值为（加、乘）。因此总共有12个样本空间，操做数有10个，操做符有两个。函数

　　b.)分析提取范围工具

　　windows用户能够用系统自带的画板工具打开验证码，能够看到以下信息。学习

　　首先能够看到，验证码的像素是80*30，也就说横向80像素，纵向30像素，若是给它画上坐标系的话，坐标原点（0,0）为左上方顶点，向右为x轴（0=<x<80）,向下为y轴（0=<y<30）。(10,17)是当前鼠标（图片中的十字）所在位置的坐标，这个能够帮助咱们肯定裁剪的范围。我用的裁剪范围分别是：测试

　　

　　操做数1和操做数2的大小作好保持一致，这样可使两个操做数共用样本数据。region = (3,4,16,17) 其中（3,4）表明左上顶点的坐标，（16,17）表明右下顶点的坐标，这样就能够构成一个矩形。大小为（16-3，17-4）即宽和高均为13像素的矩形网站

　3.)处理验证码（这里我用的是python的"PIL"图像处理库）

　　　a.)转为灰度图

　　　　PIL 在这方面也提供了极完备的支持，咱们能够：

　　　　img.convert("L")

　　　　把 img 转换为 256 级灰度图像， convert() 是图像实例对象的一个方法，接受一个 mode 参数，用以指定一种色彩模式，mode 的取值能够是以下几种：
　　　　· 1 (1-bit pixels, black and white, stored with one pixel per byte)
　　　　· L (8-bit pixels, black and white)
　　　　· P (8-bit pixels, mapped to any other mode using a colour palette)
　　　　· RGB (3x8-bit pixels, true colour)
　　　　· RGBA (4x8-bit pixels, true colour with transparency mask)
　　　　· CMYK (4x8-bit pixels, colour separation)
　　　　· YCbCr (3x8-bit pixels, colour video format)
　　　　· I (32-bit signed integer pixels)
　　　　· F (32-bit floating point pixels)
　　　　代码以下： 
from PIL import Image
image = Image.open("H:\\authcode\\origin\\code3.jpg")
imgry = image.convert("L")
imgry.show()

　　　　运行结果：

　　

　　　　而后二值化：

from PIL import Image
image = Image.open("H:\\authcode\\origin\\code3.jpg")
imgry = image.convert("L")
# imgry.show()
threshold = 100
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
out = imgry.point(table,'1')
out.show()

　　　　运行结果：

　　

　　　　这个时候就是比较纯粹的黑白图了。

　　　　代码说明：

　　　　　　a).threshold = 100这个是一个阈值，具体是多少，看状况，若是比较专业的能够根据图片的灰度直方图来肯定，通常而言，能够本身试试不一样的值，看哪一个效果最好。

　　　　　　b).其余的函数都是PIL自带的，有疑问的能够本身找资料查看

　　　　b.)图片裁剪

　　　　代码以下：

from PIL import Image
image = Image.open("H:\\authcode\\origin\\code3.jpg")
imgry = image.convert("L")
# imgry.show()
threshold = 100
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
out = imgry.point(table,'1')
# out.show()
region = (3,4,16,17)
result = out.crop(region)
result.show()

　　　　运行结果：

　　　　

　　　　更改region的值就能够裁剪到不一样的图片，而后对其进行分类。我是把每一个数字都不一样的文件夹里，结果以下：

　　4.)提取特征值

　　提取特征值的算法就是因人而异了，这里我用的是，对每一个分割后的验证码，横向画两条线，纵向画两条线，记录与验证码的交点个数（很尴尬的是我这个方案，识别率不高，这里意思到了就好了，你们懂的）。

　　

　　就是这么个意思。这四条线的表达式为：(横线)x=3和x=6,(竖线)y=2，y=11

　　　代码以下：

def yCount1(image):
    count = 0;
    x = 3
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def yCount2(image):
    count = 0;
    x = 6
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount1(image):
    count = 0
    y = 2
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount2(image):
    count = 0
    y = 11
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count

　　把（0~9）这10个数字取特征值以后就获得以下图的结果：

　　

2:5:3:3-0
2:2:2:3-0
5:2:2:4-0
2:2:2:0-0
2:4:2:0-0
6:2:3:3-0
0:3:3:2-0
2:5:3:3-0
2:1:3:5-1
2:1:3:5-1
1:6:3:4-1
1:8:3:2-1
1:8:3:3-1
1:6:3:4-1
1:5:3:3-1
1:3:3:5-1
2:1:3:5-1
1:6:3:3-1
1:7:3:2-1
1:5:3:3-1
1:7:3:4-1
1:8:3:2-1
2:1:2:5-1
2:1:1:2-1
1:8:3:2-1
2:1:2:5-1
1:7:0:1-1
2:1:2:5-1
6:1:2:1-1
0:6:3:1-1
0:6:2:1-1
1:7:2:1-1
5:1:2:3-1
1:3:3:5-1
2:7:2:2-1
6:1:2:1-1
2:1:2:3-1
5:1:1:0-1
1:6:3:3-1
1:7:3:2-1
1:7:3:4-1
5:1:2:3-1
2:1:1:1-1
1:6:0:1-1
4:1:2:3-1
1:1:2:4-1
5:1:2:1-1
0:5:2:2-1
2:1:2:4-1
1:5:3:5-1
5:1:3:3-1
1:8:3:2-1
1:5:3:3-1
2:1:2:5-1
2:1:1:2-1
2:1:2:5-1
2:1:2:5-1
2:1:2:5-1
2:1:2:5-1
1:8:3:2-1
2:1:2:5-1
1:5:3:3-1
2:1:3:5-1
3:2:2:2-2
4:1:1:1-2
3:3:2:6-2
3:3:4:4-2
2:3:2:3-2
3:3:2:6-2
2:3:3:3-2
2:3:3:3-2
3:5:3:6-2

　　最后一个数字表明这个特征值的结果，好比3:5:3:6-2，表明若是一个图片知足3:5:3:6，那么咱们就认为这个图片上的值为2

　　这样是有偏差的

　　首先，存在一个特征值同时输入多个数字，好比，1:2:3:4可能输入2，也可能输入3，这个时候就会出现偏差。（解决方案：取出现频率最高的结果，可是也会有偏差）

　　其次，可能存在一个特征值不在咱们的样本空间。（解决方案：扩大样本空间）

　5.)验证

　　完成以上几部，就能够进行破解测试了。

　　代码以下（crackcode是我本身写的函数）：

　　

　　

　　

　　附录：

　　crackcode.py

#encoding=utf8
import checknumber
import splitImage
import checkoperation
def getCodeResult(image):
    image1 = splitImage.getNumImage(image,1)
    image2 = splitImage.getNumImage(image,2)
    image3 = splitImage.getNumImage(image,3)
    num1 = checknumber.getnum(image1)
    num2 = checknumber.getnum(image2)
    operation =checkoperation.getoperation(image3)
    # print `num1`+":"+`operation`+":"+`num2`
    if(int(operation) != 2):
       result =  int(num1) + int(num2)
    else:
       result =  int(num1) * int(num2)
    return result

 

　　checknumber.py　

#encoding=utf8
from PIL import Image
import test
import collections

f = open("../src/school")
lines = f.readlines()
ips={}
for i in range(0,len(lines)):
    ips[i] = lines[i]
def getnum(image):
    # newimage = test.handimage(image)
    newimage = image
    result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)`
    result_ips = []
    for x in range(len(ips)):
        if(ips[x].find(result)>-1):
            result_ips.append(ips[x].strip("\n").split('-')[1])
    d = collections.Counter(result_ips)
    if(len(d.most_common(1))==0):
        return -1
    else:
        return d.most_common(1)[0][0]

　　splitImage.py

#encoding=utf8
from PIL import Image

def getNumImage(image,type):
    imgry = image.convert("L")
    threshold = 100
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    out = imgry.point(table,'1')
    if(type == 1):#操做数1
        region = (3,4,16,17)
        result = out.crop(region)
        return result
    elif(type == 2):#操做数2
        region = (33,4,46,17)
        result = out.crop(region)
        return result
    else:#操做符
        region = (18,4,33,17)
        result = out.crop(region)
        return result

    return result

　　checkoperation.py

#encoding=utf8
from PIL import Image
import test
import collections

f = open("../src/operation")
lines = f.readlines()
ips={}
for i in range(0,len(lines)):
    ips[i] = lines[i]
def getoperation(image):
    # newimage = test.handimage(image)
    newimage = image
    result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)`
    result_ips = []
    for x in range(len(ips)):
        if(ips[x].find(result)>-1):
            result_ips.append(ips[x].strip("\n").split('-')[1])
    d = collections.Counter(result_ips)
    if(len(d.most_common(1))==0):
        return -1
    else:
        return d.most_common(1)[0][0]

 

 

　　test.py

#encoding=utf8
from pytesseract import *
from PIL import Image

def handimage(image):
    height = image.size[1]
    width = image.size[0]
    # print height,width
    for h in range(height):
        for w in range(width):
            pixel = image.getpixel((w,h))
            if(pixel<127):
                image.putpixel((w,h),0)
            else:
                image.putpixel((w,h),255)
    for h in range(height):
        for w in range(width):
            pixel = image.getpixel((w,h))
            # print pixel
    return image
def yCount1(image):
    count = 0;
    x = 3
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def yCount2(image):
    count = 0;
    x = 6
    for y in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount1(image):
    count = 0
    y = 2
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
def xCount2(image):
    count = 0
    y = 11
    for x in range(0,13):
        pixel = image.getpixel((x,y))
        if(pixel==0):
            count = count+1
    return count
operation和school分别为操做数和操做符的样本空间，能够本身获取。
验证码样本放在百度云了，500条：
连接：http://pan.baidu.com/s/1hrv5w7y 密码：igo6
至此，破解验证码的流程就结束了。

　　说明：

　　a).代码仅供学习交流

　　b).若有错误，多多指教

　　c).转载请注明出处

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程