Python爬虫理论 | (6) 进阶反反爬虫技术 --- 验证码识别

目录

 

1. 验证码原理

2. 常见验证码识别

2.1 图片验证码

2.2 滑动验证码

2.3 点触验证码

3. 实战

---

1. 验证码原理

验证码（CAPTCHA），“Completely Automated Public Turing test to tell Computers and Humans Apart”（全自动区分计算机和人类的图灵测试），是一种区分用户是计算机还是人的公共全自动程序。

验证码被广泛用于用户登录以及注册的校验。主要原因是生成的验证码每次都不同，这就可以排除用其他病毒或者软件自动申请用户及自动登陆，从而防止别人进行恶意攻击。而且如果频繁发送验证码，系统会提示一段时间后再发送验证码，也可以减少恶意攻击。

2. 常见验证码识别

• 图片验证码
• 活动验证码
• 点触验证码
• 宫格验证码

2.1 图片验证码

图片验证码：由字符组合而成的图片，通常会加上干扰。

•  OCR技术

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式的技术。

• OCR实例

pytesseract库 --- 识别图片

pytesseract.image_to_string(image) 

import pytesseract
from PIL import Image

img = Image.open('checkcode.jpg')
pytesseract.image_to_string(img)