利用Python破解驗證碼實例詳解-CDA數據分析師官網

熱線電話：13121318867

登錄

首頁精彩閱讀利用Python破解驗證碼實例詳解

利用Python破解驗證碼實例詳解

2018-03-22

收藏

利用Python破解驗證碼實例詳解

這篇文章主要給大家介紹的是如何通過一個簡單的例子來實現破解驗證碼。從本文中我們可以學習到 Python 基本知識，PIL 模塊的使用，破解驗證碼的原理。文中通過實例一步步介紹的很詳細，相信對大家理解和學習具有一定的參考借鑒價值，有需要的朋友們下面來一起看看吧。

一、前言

本實驗將通過一個簡單的例子來講解破解驗證碼的原理，將學習和實踐以下知識點：

Python基本知識

PIL模塊的使用

二、實例詳解

安裝 pillow（PIL）庫：

		$ sudo apt-get update
	
		$ sudo apt-get install python-dev
	
		$ sudo apt-get install libtiff5-dev libjpeg8-dev zlib1g-dev \
	
		libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk
	
		$ sudo pip install pillow

下載實驗用的文件：

		$ wget http://labfile.oss.aliyuncs.com/courses/364/python_captcha.zip
	
		$ unzip python_captcha.zip
	
		$ cd python_captcha

這是我們實驗使用的驗證碼 captcha.gif

提取文本圖片

在工作目錄下新建 crack.py 文件，進行編輯。

		#-*- coding:utf8 -*-
	
		fromPILimportImage
	
		im=Image.open("captcha.gif")
	
		#(將圖片轉換為8位像素模式)
	
		im=im.convert("P")
	
		#打印顏色直方圖
	
		printim.histogram()

輸出：

[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 , 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 2, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 2, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 2, 1, 0, 0, 0, 2, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0 , 1, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 0, 0, 1, 2, 0, 1, 0, 0, 1, 0, 2, 0, 0, 1, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 3, 1, 3, 3, 0, 0, 0, 0, 0, 0, 1, 0, 3, 2, 132, 1, 1, 0, 0, 0, 1, 2, 0, 0, 0, 0, 0, 0, 0, 15, 0 , 1, 0, 1, 0, 0, 8, 1, 0, 0, 0, 0, 1, 6, 0, 2, 0, 0, 0, 0, 18, 1, 1, 1, 1, 1, 2, 365, 115, 0, 1, 0, 0, 0, 135, 186, 0, 0, 1, 0, 0, 0, 116, 3, 0, 0, 0, 0, 0, 21, 1, 1, 0, 0, 0, 2, 10, 2, 0, 0, 0, 0, 2, 10, 0, 0, 0, 0, 1, 0, 625]

顏色直方圖的每一位數字都代表了在圖片中含有對應位的顏色的像素的數量。

每個像素點可表現256種顏色，你會發現白點是最多（白色序號255的位置，也就是最后一位，可以看到，有625個白色像素）。紅像素在序號200左右，我們可以通過排序，得到有用的顏色。

		his=im.histogram()
	
		values={}
	
		foriinrange(256):
	
		 values[i]=his[i]
	
		forj,kinsorted(values.items(),key=lambdax:x[1],reverse=True)[:10]:
	
		 printj,k

輸出：

我們得到了圖片中最多的10種顏色，其中 220 與 227 才是我們需要的紅色和灰色，可以通過這一訊息構造一種黑白二值圖片。

		#-*- coding:utf8 -*-
	
		fromPILimportImage
	
		im=Image.open("captcha.gif")
	
		im=im.convert("P")
	
		im2=Image.new("P",im.size,255)
	
		forxinrange(im.size[1]):
	
		 foryinrange(im.size[0]):
	
		  pix=im.getpixel((y,x))
	
		  ifpix==220orpix==227:# these are the numbers to get
	
		   im2.putpixel((y,x),0)
	
		im2.show()

得到的結果：

提取單個字符圖片

接下來的工作是要得到單個字符的像素集合，由于例子比較簡單，我們對其進行縱向切割：

		inletter=False
	
		foundletter=False
	
		start=0
	
		end=0
	
		letters=[]
	
		foryinrange(im2.size[0]):
	
		 forxinrange(im2.size[1]):
	
		  pix=im2.getpixel((y,x))
	
		  ifpix !=255:
	
		   inletter=True
	
		 iffoundletter==Falseandinletter==True:
	
		  foundletter=True
	
		  start=y
	
		 iffoundletter==Trueandinletter==False:
	
		  foundletter=False
	
		  end=y
	
		  letters.append((start,end))
	
		 inletter=False
	
		printletters

輸出：

[(6,14), (15,25), (27,35), (37,46), (48,56), (57,67)]

得到每個字符開始和結束的列序號。

		importhashlib
	
		importtime
	
		count=0
	
		forletterinletters:
	
		 m=hashlib.md5()
	
		 im3=im2.crop(( letter[0] ,0, letter[1],im2.size[1] ))
	
		 m.update("%s%s"%(time.time(),count))
	
		 im3.save("./%s.gif"%(m.hexdigest()))
	
		 count+=1

(接上面的代碼)

對圖片進行切割，得到每個字符所在的那部分圖片。

AI 與向量空間圖像識別

在這里我們使用向量空間搜索引擎來做字符識別，它具有很多優點：

不需要大量的訓練迭代
不會訓練過度
你可以隨時加入／移除錯誤的數據查看效果
很容易理解和編寫成代碼
提供分級結果，你可以查看最接近的多個匹配
對于無法識別的東西只要加入到搜索引擎中，馬上就能識別了。

當然它也有缺點，例如分類的速度比神經網絡慢很多，它不能找到自己的方法解決問題等等。

向量空間搜索引擎名字聽上去很高大上其實原理很簡單。拿文章里的例子來說：

你有 3 篇文檔，我們要怎么計算它們之間的相似度呢？2 篇文檔所使用的相同的單詞越多，那這兩篇文章就越相似！但是這單詞太多怎么辦，就由我們來選擇幾個關鍵單詞，選擇的單詞又被稱作特征，每一個特征就好比空間中的一個維度（x，y，z 等），一組特征就是一個矢量，每一個文檔我們都能得到這么一個矢量，只要計算矢量之間的夾角就能得到文章的相似度了。

用 Python 類實現向量空間：

		importmath
	
		classVectorCompare:
	
		 #計算矢量大小
	
		 defmagnitude(self,concordance):
	
		  total=0
	
		  forword,countinconcordance.iteritems():
	
		   total+=count**2
	
		  returnmath.sqrt(total)
	
		 #計算矢量之間的 cos 值
	
		 defrelation(self,concordance1, concordance2):
	
		  relevance=0
	
		  topvalue=0
	
		  forword, countinconcordance1.iteritems():
	
		   ifconcordance2.has_key(word):
	
		    topvalue+=count*concordance2[word]
	
		  returntopvalue/(self.magnitude(concordance1)*self.magnitude(concordance2))

它會比較兩個 python 字典類型并輸出它們的相似度（用 0～1 的數字表示）

將之前的內容放在一起

還有取大量驗證碼提取單個字符圖片作為訓練集合的工作，但只要是有好好讀上文的同學就一定知道這些工作要怎么做，在這里就略去了?？梢灾苯邮褂锰峁┑挠柧毤蟻磉M行下面的操作。

iconset目錄下放的是我們的訓練集。

最后追加的內容：

		#將圖片轉換為矢量
	
		defbuildvector(im):
	
		 d1={}
	
		 count=0
	
		 foriinim.getdata():
	
		  d1[count]=i
	
		  count+=1
	
		 returnd1
	
		v=VectorCompare()
	
		iconset=['0','1','2','3','4','5','6','7','8','9','0','a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']
	
		#加載訓練集
	
		imageset=[]
	
		forletteriniconset:
	
		 forimginos.listdir('./iconset/%s/'%(letter)):
	
		  temp=[]
	
		  ifimg !="Thumbs.db"andimg !=".DS_Store":
	
		   temp.append(buildvector(Image.open("./iconset/%s/%s"%(letter,img))))
	
		  imageset.append({letter:temp})
	
		count=0
	
		#對驗證碼圖片進行切割
	
		forletterinletters:
	
		 m=hashlib.md5()
	
		 im3=im2.crop(( letter[0] ,0, letter[1],im2.size[1] ))
	
		 guess=[]
	
		 #將切割得到的驗證碼小片段與每個訓練片段進行比較
	
		 forimageinimageset:
	
		  forx,yinimage.iteritems():
	
		   iflen(y) !=0:
	
		    guess.append( ( v.relation(y[0],buildvector(im3)),x) )
	
		 guess.sort(reverse=True)
	
		 print"",guess[0]
	
		 count+=1

得到結果

一切準備就緒，運行我們的代碼試試：

python crack.py

輸出

		(0.96376811594202894,'7')
	
		(0.96234028545977002,'s')
	
		(0.9286884286888929,'9')
	
		(0.98350370609844473,'t')
	
		(0.96751165072506273,'9')
	
		(0.96989711688772628,'j')

是正解，干得漂亮。

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作能帶來一定的幫助

CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>> “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

python 特征直方圖神經網絡

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇Python實現比較兩個列表(list)范圍

下一篇線性代數在機器學習上的基本應用

數據分析師考試動態

考試介紹
考試大綱
考試內容
考試地點

CDA報考指南

報考流程
考試時間
報名費用
聯系我們

數據分析學習

數據分析師資訊

更多

Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有京ICP備11001960號-9

京公網安備 11010802034615號經營許可證編號：京B2-20210330

聯系電話：13321103290 (微信同號)

OK

免費資料
免費試聽
訂制課程
職業規劃
認證考試

客服在線

日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码

客服在線

立即咨詢

免密碼登錄

提交首次登錄驗證后自動注冊