python验证码函数 python验证码校验编程

如何利用Python做简单的验证码识别

先是获取验证码样本。。。我存了大概500个。

用dia测了测每个字之间的间距，直接用PIL开始切。

from PIL import Image

for j in range(0,500):

f=Image.open("../test{}.jpg".format(j))

for i in range(0,4):

f.crop((20+20*i,0,40+20*i,40)).save("test{0}-{1}.jpg".format(j,i+1))

上面一段脚本的意思是把jpg切成四个小块然后保存

之后就是二值化啦。

def TotallyShit(im):

x,y=im.size

mmltilist=list()

for i in range(x):

for j in range(y):

if im.getpixel((i,j))200:

mmltilist.append(1)

else:

mmltilist.append(0)

return mmltilist

咳咳，不要在意函数的名字。上面的一段代码的意思是遍历图片的每个像素点，颜色数值小于200的用1表示，其他的用0表示。

其中的im代表的是Image.open()类型。

切好的图片长这样的。

只能说这样切的图片还是很粗糙，很僵硬。

下面就是分类啦。

把0-9，“+”，”-“的图片挑好并放在不同的文件夹里面，这里就是纯体力活了。

再之后就是模型建立了。

这里我试了自己写的还有sklearn svm和sklearn neural_network。发现最后一个的识别正确率高的多。不知道是不是我样本问题QAQ。

下面是模型建立的代码

from sklearn.neural_network import MLPClassifier

import numpy as np

def clf():

clf=MLPClassifier()

mmltilist=list()

X=list()

for i in range(0,12):

for j in os.listdir("douplings/douplings-{}".format(i)):

mmltilist.append(TotallyShit(Image.open("douplings/douplings-{0}/{1}".format(i,j)).convert("L")))

X.append(i)

clf.fit(mmltilist,X)

return clf

大概的意思是从图片源中读取图片和label然后放到模型中去跑吧。

之后便是图像匹配啦。

def get_captcha(self):

with open("test.jpg","wb") as f:

f.write(self.session.get(self.live_captcha_url).content)

gim=Image.open("test.jpg").convert("L")

recognize_list=list()

for i in range(0,4):

part=TotallyShit(gim.crop((20+20*i,0,40+20*i,40)))

np_part_array=np.array(part).reshape(1,-1)

predict_num=int(self.clf.predict(np_part_array)[0])

if predict_num==11:

recognize_list.append("+")

elif predict_num==10:

recognize_list.append("-")

else:

recognize_list.append(str(predict_num))

return ''.join(recognize_list)

最后eval一下识别出来的字符串就得出结果了。。

顺便提一句现在的bilibili登陆改成rsa加密了，麻蛋，以前的脚本全部作废，心好痛。

登陆的代码。

import time

import requests

import rsa

r=requests.session()

data=r.get("act=getkey_="+str(int(time.time()*1000))).json()

pub_key=rsa.PublicKey.load_pkcs1_openssl_pem(data['key'])

payload = {

'keep': 1,

'captcha': '',

'userid': "youruserid",

'pwd': b64encode(rsa.encrypt((data['hash'] +"yourpassword").encode(), pub_key)).decode(),

}

r.post("",data=payload)

相关问答

Q1: 如何用Python+人工识别处理知乎的倒立汉字验证码

这给Python爬虫的模拟登录带来了一定的难度，目前网络上的相关资料针对的都是普通的“英文+数字”验证码，针对“倒立汉字”验证码的文章较少。而且大家普遍采用的是requests库。经过几天的研究，我采用urllib.request实现了模拟登陆知乎，现将代码分享如下：

[python] view plain copy

# 登录知乎，通过保存验证图片方式

import urllib.request

import urllib.parse

import time

import http.cookiejar

webUrl = "l"#不能写因为不支持重定向

webheader = {

# 'Accept': 'text/html, application/xhtml+xml, */*',

# 'Accept-Language': 'zh-CN',

# 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko',

'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36',

# 'User-Agent': 'Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

# 'DNT': '1',

# 'Connection': 'Keep-Alive'

}

postData = {

'email': '在这里写你的账号',

'captcha_type': 'cn',

'password': '在这里写你的密码',

'_xsrf': '',

'captcha': ''

}

localStorePath = "写你想保存的验证码图片的地址"

if __name__ == '__main__':

#声明一个CookieJar对象实例来保存cookie

cookie = http.cookiejar.CookieJar()

#创建opener

handler = urllib.request.HTTPCookieProcessor(cookie)

opener = urllib.request.build_opener(handler)#建立opener对象，并添加头信息

urllib.request.install_opener(opener)

captcha_url = '?r=%dtype=loginlang=cn' % (time.time() * 1000)

# captcha_url = '/captcha.gif?r=%dtype=login' % (time.time() * 1000)#这样获得的是“字母+数字验证码”

#这个获取验证码图片的方法是不行的！

# urllib.request.urlretrieve(captcha_url, localStorePath + 'myCaptcha.gif')

#用urlopen函数保存验证图片

req = urllib.request.Request(url=captcha_url,headers=webheader)

content = urllib.request.urlopen(req)

# content = opener.open(req)

captcha_name = 'D:/Python学习/crawler_learning/知乎登录专题研究/知乎验证码图片/myNewCaptcha.gif'

content = content.read()

with open(captcha_name, 'wb') as f:

f.write(content)

postData['captcha'] = input('请输入验证码')

# postData['_xsrf'] = get_xsrf()

postData['_xsrf'] = 'fa5ae712244bd4287e371801052003fc'

print(postData['_xsrf'])

#用urlopen函数传送数据给服务器实现登录

postData_encoded = urllib.parse.urlencode(postData).encode('utf-8')

req = urllib.request.Request(url=webUrl,data=postData_encoded,headers=webheader)

webPage = urllib.request.urlopen(req)

# webPage = opener.open(req)

data = webPage.read().decode('utf-8')

print(data)

with open("D:/知乎服务器反馈的内容.txt",mode='w',encoding='utf-8') as dataFile:

dataFile.write(data)

几点思考：

1、首先需要明确如何获得验证码图片的地址，利用Fiddler抓包获得的典型的验证码图片的地址如下：

这个“r”代表的是什么含义呢？经过查看知乎上的js代码可以确定，这个r指的是毫秒级的时间戳。

2、以验证码图片地址cn为例，不同时间访问同一个验证码图片地址，得到的验证码图片是不同的，那么知乎服务器是如何知道你获取的是那张验证码呢？

我认为是通过sessionID，换句话说，知乎把某个验证码图片给了你，同时知乎记录下了你的sessionID和这个验证码的“正确答案”，这样将来你输入验证码给知乎后，知乎就能判断你输入的验证码是否正确了。

由于sessionID保存在cookie之中，所以Python模拟登陆的代码必须使用cookie。

3、获取验证码图片的时候，我用的是content =urllib.request.urlopen (req)函数，经过我的验证，用

urllib.request.urlretrieve函数是不行的，因为urlopen函数可以传递headers参数，而这一个参数必须有。

4、获得了倒立汉字图片以后，如何确定要传递给知乎的captcha是什么呢？经过Fiddler抓包，

传递的参数类似于这样：

{"img_size":[200,44],"input_points":[[43.44,22.44],[115.72,22.44]]}

经过分析和试验确定：200指的是图片长度，44指的是图片高度，后面的input_points指的是打在倒立汉字上的点的坐标。由于每次出现7个汉字，这7个汉字的坐标是固定的，我全部进行捕获：

{"img_size":[200,44],"input_points":[[12.95,14.969999999999998],[36.1,16.009999999999998],[57.16,24.44],[84.52,19.17],[108.72,28.64],[132.95,24.44],[151.89,23.380000000000002]]}

然后，问题就简单了：将图片保存在本地之后，打开图片，确定哪几个汉字倒立，比如说第2个和第6个，那就在上面选取出2和6的坐标输入即可，即

{"img_size":[200,44],"input_points":[[36.1,16.009999999999998],[132.95,24.44]]}。

5、小窍门：以验证码图片地址

Q2: python爬验证码

1.找地址

首先，我们要找到这个网站生成验证码python验证码函数的地址，这个地址我们可以通过查看他的源代码来实现。

1.找地址

首先，我们要找到这个网站生成验证码的地址，这个地址我们可以通过查看他的源代码来实现。

就以某大学教务网为例，这个教务网的模板很多学校都在采用：

我就截取表单的验证码部分即可。

td align="center" rowspan="3" 

img  id="imgCode" src="../sys/ValidateCode.aspx" 

onclick="changeValidateCode(this)" alt="单击可更换图片！" 

style="CURSOR: pointer;"

br看不清，则单击图片！                                 

/td123456123456

这里就可以知道，地址就是../sys/ValidateCode.aspx

组合一下地址就是

也就是我们等一下要用到的地址python验证码函数了。

我们可以查看一下那个网页。

2.处理图片

去查看了一下那个地址

果不其然，都是乱码，因为验证码分为两种。

1）直接处理成JPG/GIF/PNG或者其他格式，然后直接读取到一个图片地址。

2）接收用户触发，然后生成，再直接处理成图像，不读取到一个图片地址。

我们这里是第二种，我们要自己来读取他，到本地，再手动输入验证码。

# -*- coding: utf-8 -*-

import urllib2

#验证码的处理#

#验证码生成页面的地址#

im_url = ''

#读取验证码图片#

im_data = urllib2.urlopen(im_url).read()

#打开一个Code.PNG文件在D盘，没有的话自动生成#

f=open('d:\\Code.png','wb')

#写入图片内容#

f.write(im_data)

#关闭文件#

f.close()1234567891011121312345678910111213

这里包括两个部分：

1）打开那个生成验证码图片的页面，读取

2）将读取到的内容，保存成图片，下载到本地

我们这里的地址是可以随便写的，保存在你想保存的地方。

到这里我们就完成了验证码的一小部分。

by–LoDog

希望能帮到你！

Q3: Python 设计一个函数产生指定长度的验证码 length = len(base_str) - 1 ，这里为什么会减 1？？？？

random.randint()

取python验证码函数的数python验证码函数的区间是前后封闭python验证码函数的。也就是可能会取到last_pos

如果不减1那么就会出错python验证码函数的。

all_chars[len(all_chars)]就出错python验证码函数了。

Q4: python 验证码加时间戳的功能是怎么实现的

验证码要成功显示就必须要有一个验证码生成器，所以就要写一个验证码生成器。我在app中新建了一个py文件check_coed.py文件，这就是验证码生成器。代码如下

import random

from PIL import Image, ImageDraw, ImageFont, ImageFilter

_letter_cases = "abcdefghjkmnpqrstuvwxy" # 小写字母，去除可能干扰的i，l，o，z

_upper_cases = _letter_cases.upper() # 大写字母

_numbers = ''.join(map(str, range(3, 10))) # 数字

init_chars = ''.join((_letter_cases, _upper_cases, _numbers))

def create_validate_code(size=(120, 30),

chars=init_chars,

img_type="GIF",

mode="RGB",

bg_color=(255, 255, 255),

fg_color=(0, 0, 255),

font_size=18,

font_type="Monaco.ttf",

length=4,

draw_lines=True,

n_line=(1, 2),

draw_points=True,

point_chance=2):

"""

@todo: 生成验证码图片

@param size: 图片的大小，格式（宽，高），默认为(120, 30)

@param chars: 允许的字符集合，格式字符串

@param img_type: 图片保存的格式，默认为GIF，可选的为GIF，JPEG，TIFF，PNG

@param mode: 图片模式，默认为RGB

@param bg_color: 背景颜色，默认为白色

@param fg_color: 前景色，验证码字符颜色，默认为蓝色#0000FF

@param font_size: 验证码字体大小

@param font_type: 验证码字体，默认为 ae_AlArabiya.ttf

@param length: 验证码字符个数

@param draw_lines: 是否划干扰线

@param n_lines: 干扰线的条数范围，格式元组，默认为(1, 2)，只有draw_lines为True时有效

@param draw_points: 是否画干扰点

@param point_chance: 干扰点出现的概率，大小范围[0, 100]

@return: [0]: PIL Image实例

@return: [1]: 验证码图片中的字符串

"""

width, height = size # 宽高

# 创建图形

img = Image.new(mode, size, bg_color)

draw = ImageDraw.Draw(img) # 创建画笔

def get_chars():

"""生成给定长度的字符串，返回列表格式"""

return random.sample(chars, length)

def create_lines():

"""绘制干扰线"""

line_num = random.randint(*n_line) # 干扰线条数

for i in range(line_num):

# 起始点

begin = (random.randint(0, size[0]), random.randint(0, size[1]))

# 结束点

end = (random.randint(0, size[0]), random.randint(0, size[1]))

draw.line([begin, end], fill=(0, 0, 0))

def create_points():

"""绘制干扰点"""

chance = min(100, max(0, int(point_chance))) # 大小限制在[0, 100]

for w in range(width):

for h in range(height):

tmp = random.randint(0, 100)

if tmp 100 - chance:

draw.point((w, h), fill=(0, 0, 0))

def create_strs():

"""绘制验证码字符"""

c_chars = get_chars()

strs = ' %s ' % ' '.join(c_chars) # 每个字符前后以空格隔开

# font = ImageFont.truetype(font_type, font_size)

font = ImageFont.load_default().font

font_width, font_height = font.getsize(strs)

draw.text(((width - font_width) / 3, (height - font_height) / 3),

strs, font=font, fill=fg_color)

return ''.join(c_chars)

if draw_lines:

create_lines()

if draw_points:

create_points()

strs = create_strs()

# 图形扭曲参数

params = [1 - float(random.randint(1, 2)) / 100,

0, 0, 0, 1 - float(random.randint(1, 10)) / 100, float(random.randint(1, 2)) / 500, 0.001, float(random.randint(1, 2)) / 500 ]

img = img.transform(size, Image.PERSPECTIVE, params) # 创建扭曲

img = img.filter(ImageFilter.EDGE_ENHANCE_MORE) # 滤镜，边界加强（阈值更大）

关于python验证码函数和python验证码校验编程的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。