寫(xiě)爬蟲(chóng)有一個(gè)繞不過(guò)去的問(wèn)題，那就是驗(yàn)證碼。

先來(lái)看看，目前遇到的驗(yàn)證碼種類(lèi)有哪些？

1）圖形驗(yàn)證碼
圖形驗(yàn)證碼應(yīng)該是最簡(jiǎn)單的一種驗(yàn)證碼，這種驗(yàn)證碼是最早出現(xiàn)，也是目前最常見(jiàn)的，一般組成規(guī)則是字母，數(shù)字或混合組成;

2）滑動(dòng)驗(yàn)證碼

想必大家都見(jiàn)過(guò)，滑動(dòng)滑塊匹配對(duì)應(yīng)形狀解鎖。

3）點(diǎn)觸驗(yàn)證碼

按圖片所給提示從中選出指定元素，目前是最主流也是防止bot最有效的方式了。

OCR,全稱叫 Optical Character Recognition，中文翻譯叫光學(xué)字符識(shí)別，是指通過(guò)掃描字符，通過(guò)其形狀將其翻譯成電子文本的過(guò)程；

舉例:
當(dāng)有一個(gè)圖形驗(yàn)證碼，先使用OCR技術(shù)將其轉(zhuǎn)化成電子文本，然后爬蟲(chóng)將識(shí)別的結(jié)果提交到服務(wù)器，便達(dá)到自動(dòng)識(shí)別驗(yàn)證碼的過(guò)程；

tesseract
tesseract是google開(kāi)源的OCR

識(shí)別圖形驗(yàn)證碼需要安裝tesserocr這個(gè)庫(kù)，下面介紹下tesserocr；
tesserocr是Python的一個(gè)OCR識(shí)別庫(kù)，但其實(shí)是對(duì)tesseract做了一層Python Api的封裝，
核心還是tesseract，所以在安裝tesserocr之前，需要先安裝tesseract。

windows下的安裝

在Windows下，要先下載tesseract，它為tesserocr提供了支持；
tesseract下載地址：Index of /tesseract
打開(kāi)后，可以看到各種exe的列表，可以隨便挑選;
其中文件名中帶有dev的為開(kāi)發(fā)版本，不帶dev則為穩(wěn)定版本，例如jb是下載 tesseract-ocr-setup-3.05.01.exe；

下載后雙擊，一路點(diǎn)擊，直到出現(xiàn)下面這個(gè)頁(yè)面

這里需要勾選紅框里的Additional language data(download)，這個(gè)選項(xiàng)是安裝OCR識(shí)別支持的語(yǔ)言包，這樣OCR就可以識(shí)別多國(guó)語(yǔ)言，然后再一路點(diǎn)擊NEXT即可，因?yàn)橐螺d語(yǔ)言包，所以需要點(diǎn)時(shí)間，大概10-20分鐘左右，跟網(wǎng)速有關(guān)，如果不需要支持多國(guó)語(yǔ)言的話，也可以不勾選，自由選擇

需要說(shuō)明：默認(rèn)包含英文字庫(kù)

如果，覺(jué)得一次下載那么多語(yǔ)言占空間，又或者覺(jué)得網(wǎng)速慢，也可以選擇單獨(dú)安裝中文字庫(kù);
字庫(kù)下載地址：https://github.com/tesseract-ocr/tessdata
打開(kāi)后，直接搜索chi_sim.traineddata，這個(gè)代表的就是中文，下載下來(lái);
然后找到剛剛tesseract安裝目錄，里面會(huì)有一個(gè)叫tessdata的目錄，直接把剛下載的語(yǔ)言包放到這個(gè)目錄下即可；

如何驗(yàn)證tesseract是否安裝成功？直接cmd下輸入tesseract即可；
成功會(huì)直接顯示信息;

如果提示’tesseract’ 不是內(nèi)部或外部命令，則是因?yàn)闆](méi)有配置環(huán)境變量，手動(dòng)把tesseract根目錄配置到path參數(shù)下即可，之前python教程有說(shuō)到，參考即可；

到此為止，tesseract安裝成功啦。

接下來(lái)就安裝tesserocr，直接pip命令即可：

pip install tesserocr

如果是anaconda環(huán)境下需要通過(guò)下面這個(gè)：conda install -c simonflueckiger tesserocr?下載模塊

為了方便測(cè)試，需要把驗(yàn)證碼的圖片保存到本地；
打開(kāi)weibo.com，隨便輸入賬號(hào)密碼，會(huì)提示輸入驗(yàn)證碼，打開(kāi)開(kāi)發(fā)者工具（一般快捷鍵F12），找到驗(yàn)證碼元素，它的src屬性就是一個(gè)鏈接，copy出來(lái)直接打開(kāi)，會(huì)看到一個(gè)驗(yàn)證碼，而且刷新的驗(yàn)證碼會(huì)變化，由此推斷這是個(gè)驗(yàn)證碼的接口，右鍵保存驗(yàn)證碼即可，就得到一張驗(yàn)證碼；
驗(yàn)證碼鏈接：https://login.sina.com.cn/cgi/pin.php?r=9967937&s=0&p=gz-d0dc363f6a4523cbd602a5a10f00c59b4784
將這個(gè)驗(yàn)證碼下載放到根目錄下，用tesserocr庫(kù)來(lái)識(shí)別驗(yàn)證碼：

import tesserocr from PIL import Image?

#新建Image對(duì)象?

image = Image.open("zym.jpg")?

#調(diào)用tesserocr的image_to_text()方法，傳入image對(duì)象完成識(shí)別?

result = tesserocr.image_to_text(image) print(result)

測(cè)試發(fā)現(xiàn)能夠通過(guò)tesserocr圖片識(shí)別得到對(duì)應(yīng)的文字，感興趣的同學(xué)可以嘗試一下。