这篇文章主要介绍了python识别验证码图片实例详解,需要的朋友可以参考下
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
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
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
def get_pictures(self): self.driver.get('http://123.255.123.3') # 打开登陆页面 self.driver.save_screenshot('pictures.png-600') # 全屏截图 page_snap_obj = Image.open('pictures.png-600') 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
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] 经过灰度处理后的图片
然后删除一些扰乱识别的像素点。
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 * (y - 1) + x] left_pixel y (x 1)] down_pixel right_pixel 判断上下左右的黑色像素点总个数 if < 10: black_point 1 1: images.putpixel((x, y), 255) 0 images.show() return images< pre>
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。
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：
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-600') # 全屏截图 page_snap_obj = Image.open('pictures.png-600') 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] 更多关于python识别验证码图片方法请查看下面的相关链接
以上就是python识别验证码图片实例详解的详细内容，更多请关注0133技术站其它相关文章！
