Python爬虫过程中验证码识别的三种解决方案（爬虫怎么过验证码）

Python爬虫过程中验证码识别的三种解决方案（爬虫怎么过验证码）

在Python爬虫过程中，有些网站需要验证码通过后方可进入网页，目的很简单，就是区分是人阅读访问还是机器爬虫。验证码问题看似简单，想做到准确率很高，也是一件不容易的事情。为了更好学习爬虫，后续推文中将会更多介绍爬虫问题的解决方案。本篇推文将分享三种解决验证码的方法，如果你有比较好的方案，欢迎留言区讨论交流，共同进步。

1.pytesseract

pytesseract是google做的ocr库，可以识别图片中的文字，一般用在爬虫登录时验证码的识别，在安装pytesseract环境过程中会遇到各种坑的事情，如果你需要安装，可以按照如下流程去做，避免踩坑。下面以 mac为例。

1.安装方法

2.此外，还需安装Tesseract，它是一个开源的OCR引擎，能识别100多种语言。

3.查看安装位置为

4.配置环境变量

5.如何出现如下报错

6.修改pytesseract.py的cmd

先验证一个简单的验证码

代码如下

结果输出

再换一张试一下

输入代码后，结果错误输出为

由此看出，pytesseract对于简单方法有效，并不像有些人写的这么好，当然可以通过灰度、二值等方法，效果并不是很理想，稍微复杂的需要寻找其他解决方案，如果解决上述问题呢，我们看下面的解决方案。

2.百度OCR接口

调用百度OCR接口(代码示例)

上述方案没解决的问题，调用此方法试一下，可以顺利解决。

那么对于更复杂的验证码呢？

首先直接调用结果输出

结果把干扰线识别出来Y和-，可以看出百度OCR接口对复杂验证码能识别，但是对干扰线的问题，无法解决。如何解决上述问题呢？对于复杂的验证码，我们是不能直接调用，我们先做一些预处理：灰度、二值化等。

再次调用接口

上述问题得到了解决。对于超级变态的验证码如何解决呢？几个0？几个O？下面提供一种深度学习解决方案。

3.深度学习

深度学习验证码识别可能并不适合所有人，原因很简单，首先不是每个人都有算法基础。其次小编亲自测试来一下，cpu资源的消耗也非常高，如果你有云端资源可以跑一下。深度学习的验证码识别，我这边介绍一下解决方案的思路，目前企业级的验证识别更为复杂。

1.搭建基于keras框架的深度学习模型

2.模型训练

3.测试模型

4.结果展示

结论

验证码识别问题正如推文开头所说，看似简单，实际上远比想象的要复杂的多。有些解决方案也可能是针对性解决方案。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。