Question

验证码的识别

Answer 1

验证码是一种反爬虫的措施，目前的验证码主要有图像验证码、极验滑动验证码、点触验证码、微博宫格验证码等。根据不同类型的验证码，有以下识别的方法。

利用OCR字符识别技术来实现，需要安装tesserocr库进行识别。 因为验证码图片的背景有些多余的线条、颜色会干扰识别效果，因此可以在识别前对图片进行二值化处理或灰度处理

它通过拖动滑块来拼合图像进而实现验证。识别的主要思路： 利用selenium来模拟点击验证按钮，获取包含缺口的图片，将原图与其对比，识别出缺口位置，模拟拖动。模拟拖动时需要注意，不能匀速，因为人无法做到匀速拖动，因此会导致识别识别。比较好的办法就是，模拟加速和减速运动来进行拖动。前段先加速后段在减速。

这种验证码主要有两种，一种是点击图中所以符合要求的图片，二是按照顺序点击指定的文字。对于这种验证码，可以利用第三方平台来实现识别，比如超级鹰。具体思路 将验证码的图片传入到第三方平台上，然后根据第三方平台范围的坐标位置，进行依次点击。

这种验证码的宫格之间会有一条指示连线，指示了用户需要滑动的轨迹。如果要识别这种验证码，就需要识别箭头的指示方向，因此需要首先找到所有箭头的位置，然后计算像素点的变化规律。这个方法比较麻烦。对于这种验证码可以采用另一种思路： 模板匹配，即首先将所有可能出现的验证码图片收集下来，这样每个图片的滑动顺序已知，构成一个模板库。在每一次识别时，将原图与模板库中的图片进行匹配即可。