工作中，如何用python和selenium提取验证码呢？
获取验证码的方法
按照以往的经验，有4种方法：
- 让开发帮忙去掉验证码代码，重新部署环境
- 弄个万能验证码，每次登陆都可以登陆
- 用cookie添加登录名和密码避开验证码的方式
- 老老实实获取验证码图片，识别出验证码
方法一：
遇到好说话的开发，他一般都能帮忙去掉验证码的代码。
但是代码去掉了，还需要重新部署一套没验证码的环境，麻烦，不推荐。
方法二：
还是需要开发的帮助，弄一个万能验证码，但测试环境弄的万能验证码可千万不能搞到正式环境。
故不推荐，还是先想想别的办法。
方法三：
该方法的难点是：如何在cookie中找到登陆用户名和密码的name，再将用户名和密码添加进去。
方法四：
最容易想到的办法，重点讲这个方法，此处有2个思路。
- 截图登陆页面，再截取验证码图片，识别；
- 直接在登陆页面，定位到验证码，将验证码图片另存为，识别；
该方法实现过程中，用到第三方库pytesseract，所以先安装需要引用的库。
pytesseract的安装
pytesseract依赖于tesseract，需要先安装tesseract。
安装Tesseract模块：
git文档地址：https://digi.bib.uni-mannheim.de/tesseract/
请安装不带dev的稳定版，下载后就是一个exe安装包，直接右击安装即可。
一般安装在默认路径，如果不在默认路径，请记住该路径。
下载培训数据：
需要下载相应的培训数据，直接下载整个zip文件，解压后将文件复制到’tessdata‘目录中。
一般为：C:Program Files (x86)Tesseract-OCRtessdata
配置环境变量：
- 编辑系统变量里面 path，添加安装路径：C:Program Files (x86)Tesseract-OCR
- 添加TESSDATA_PREFIX变量，值为：C:Program Files (x86)Tesseract-OCRtessdata
- 最后，在cmd命令模式下测试是否安装成功：
- tesseract test.jpg text -l chi_sim
安装python的第三方库：
pip install pillow #一个python的图像处理库，pytesseract依赖
pip install pytesseract
修改pytesseract.py文件：
找到pytesseract的安装包，C:Python34Libsite-packagespytesseract。
编辑pytesseract.py文件，该步骤必须做，不然编译时会报错。
修改内容如下：
tesseract_cmd = ‘C:/Program Files (x86)/Tesseract-OCR/tesseract.exe’
代码实现
上面讲述了实现的2种思路，现在分别说明代码实现过程。
思路一：
- 先计算浏览器与登陆页面截图的比例值
- 再计算对应的验证码图片位置
- 再将获取到的验证码图片，先进行二值化处理
- 处理后的图像采用pytesseract库转化
截图保存验证码
二值化处理验证码图片
验证码图片转化
上述图片转化过程中，注意参数设置。
不设置参数时，总是将1转化为7，设置后转化准确率杠杠滴。
当然，目前只是识别数字型的验证码，文字类型的方法应该是类似的。
思路二：
- 先定位到验证码的位置
- 将验证码图片另存到一个路径
- 该路径下获取最新的验证码图片
- 验证码图片二值化处理
- 处理后的图像采用pytesseract库转化
验证码另存为图片
后面的图片处理和获取验证码过程与思路一相同。
本文部分内容来自互联网，如有疑问请与我们联系。
发布者：币侠财经，转转请注明出处：https://www.yfhhf.com/baike/156928.html
