利用Python破解驗證碼實例詳解

更新時間：2016年12月08日 09:07:47 作者：程序員實驗室

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(xiàn)破解驗證碼。從本文中我們可以學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)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 -*-
from PIL import Image

im = Image.open("captcha.gif")
#(將圖片轉(zhuǎn)換為8位像素模式)
im = im.convert("P")

#打印顏色直方圖
print im.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(shù)字都代表了在圖片中含有對應(yīng)位的顏色的像素的數(shù)量。

每個像素點可表現(xiàn)256種顏色，你會發(fā)現(xiàn)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 = {}

for i in range(256):
 values[i] = his[i]

for j,k in sorted(values.items(),key=lambda x:x[1],reverse = True)[:10]:
 print j,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(gòu)造一種黑白二值圖片。

#-*- coding:utf8 -*-
from PIL import Image

im = Image.open("captcha.gif")
im = im.convert("P")
im2 = Image.new("P",im.size,255)


for x in range(im.size[1]):
 for y in range(im.size[0]):
  pix = im.getpixel((y,x))
  if pix == 220 or pix == 227: # these are the numbers to get
   im2.putpixel((y,x),0)

im2.show()

得到的結(jié)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 = []

for y in range(im2.size[0]): 
 for x in range(im2.size[1]):
  pix = im2.getpixel((y,x))
  if pix != 255:
   inletter = True
 if foundletter == False and inletter == True:
  foundletter = True
  start = y

 if foundletter == True and inletter == False:
  foundletter = False
  end = y
  letters.append((start,end))

 inletter=False
print letters

輸出：

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

得到每個字符開始和結(jié)束的列序號。

import hashlib
import time

count = 0
for letter in letters:
 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(yōu)點：

不需要大量的訓(xùn)練迭代
不會訓(xùn)練過度
你可以隨時加入／移除錯誤的數(shù)據(jù)查看效果
很容易理解和編寫成代碼
提供分級結(jié)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(jīng)網(wǎng)絡(luò)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(guān)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(xiàn)向量空間：

import math

class VectorCompare:
 #計算矢量大小
 def magnitude(self,concordance):
  total = 0
  for word,count in concordance.iteritems():
   total += count ** 2
  return math.sqrt(total)

 #計算矢量之間的 cos 值
 def relation(self,concordance1, concordance2):
  relevance = 0
  topvalue = 0
  for word, count in concordance1.iteritems():
   if concordance2.has_key(word):
    topvalue += count * concordance2[word]
  return topvalue / (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(shù)字表示）

將之前的內(nèi)容放在一起

還有取大量驗證碼提取單個字符圖片作為訓(xùn)練集合的工作，但只要是有好好讀上文的同學(xué)就一定知道這些工作要怎么做，在這里就略去了。可以直接使用提供的訓(xùn)練集合來進行下面的操作。

iconset目錄下放的是我們的訓(xùn)練集。

最后追加的內(nèi)容：

#將圖片轉(zhuǎn)換為矢量
def buildvector(im):
 d1 = {}
 count = 0
 for i in im.getdata():
  d1[count] = i
  count += 1
 return d1

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(xùn)練集
imageset = []
for letter in iconset:
 for img in os.listdir('./iconset/%s/'%(letter)):
  temp = []
  if img != "Thumbs.db" and img != ".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
for letter in letters:
 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(xùn)練片段進行比較
 for image in imageset:
  for x,y in image.iteritems():
   if len(y) != 0:
    guess.append( ( v.relation(y[0],buildvector(im3)),x) )

 guess.sort(reverse=True)
 print "",guess[0]
 count += 1

得到結(jié)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(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。

您可能感興趣的文章: