第二十三节：scrapy爬虫识别验证码（一）字母数字组合验证码识别

1 # -*- coding:utf-8 -*-
2 import tesserocr
3 from PIL import Image
4 import requests
5
6 # 通过url链接获取验证码图片&＃xff0c;并写入本地文件夹里
7 def get_image(path,url):
8 """
9 :param path: 文件夹路径
10 :param url: 验证码url链接
11 """
12 respon &＃61; requests.get(url&＃61;url) # 请求验证码url
13 with open(path,"wb") as file:
14 file.write(respon.content) # 将验证码写到本地
15
16
17 # 由于验证码图片太小&＃xff0c;需要对验证码图片放大处理&＃xff0c;以便识别
18 def reset_image_size(image_path):
19 """
20 :param image_path: 图片所在的路径
21 :return:
22 """
23 image &＃61; Image.open(fp&＃61;image_path) # 打开图片
24 pic_resize &＃61; 5 # 设置图片放大或者缩小倍数
25 (x, y) &＃61; image.size # 获取图片的大小
26 x_s &＃61; int(x * pic_resize) # 放大5倍(可调)
27 y_s &＃61; int(y * pic_resize) # 放大5倍(可调)
28 out &＃61; image.resize((x_s, y_s), Image.ANTIALIAS) # ANTIALIAS表示高质量图片
29 out.save(image_path)
30
31
32 # 读取验证码图片文本
33 def read_image(image_path):
34 """
35 :param image_path: 验证码图片路径
36 :return:
37 """
38 image &＃61; Image.open(fp&＃61;image_path) # 打开验证码图片
39 image &＃61; image.convert(&＃39;L&＃39;) # 将验证码图片转换为灰度图(L表示灰度图)
40 threshold &＃61; 127 # 设置灰度图二值化阈值
41 table &＃61; []
42 for i in range(256): # 像素为256
43 if i < threshold:
44 table.append(0)
45 else:
46 table.append(1)
47 image &＃61; image.point(table, &＃39;1&＃39;) # 二值化处理后的副本(1表示二值化)
48 image.show()
49 result &＃61; tesserocr.image_to_text(image) # 验证码图片转换为文本
50 return result
51
52
53 # 验证码识别信息脏数据处理
54 def VerifInfo(result):
55 """
56 :param result: 验证码图片通过初步识别后得到的脏数据
57 :return:
58 """
59 verif_str &＃61; "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890"
60 verif_list &＃61; []
61 for i in result:
62 if i in verif_str:
63 verif_list.append(i)
64 return "".join(verif_list)
65
66
67
68 if __name__ &＃61;&＃61; &＃39;__main__&＃39;:
69 img_path &＃61; "D:\photo\image" # 文件夹目录
70 img_path &＃61; img_path &＃43; "\VerificationCode.png" # 验证码图片所在的目录及名称
71 img_url &＃61; "http://my.cnki.net/elibregister/CheckCode.aspx" # 验证码url
72 get_image(img_path,img_url) # 获取验证码图片
73 reset_image_size(img_path) # 调整验证码图片大小
74 result &＃61; read_image(img_path) # 读取验证码图片内容
75 verif_info &＃61; VerifInfo(result) # 验证码内容数据处理
76 verif_len &＃61; len(verif_info) # 验证码识别长度
77 if verif_len &＃61;&＃61; 4 and verif_info:
78 print(verif_info)
79 else:
80 pass