有些網站的登錄方式是驗證碼登錄的方式，比如今天我們要測試的網站專利檢索及分析。
http://www.pss-system.gov.cn/sipopublicsearch/portal/uilogin-forwardLogin.shtml
登錄此類網站的關鍵是識別其中的驗證碼。那么如何識別驗證碼呢。我們首先來看下網頁源代碼。在網頁中，驗證碼的是通過下載一個圖片得到的。圖片的下載地址是src=/sipopublicsearch/portal/login-showPic.shtml
我們從實際的fiddler抓包來看，也是通過請求上面的圖片源地址得到了JPEG的圖片並顯示在瀏覽器上
那么在scrapy中我們首先就要將圖片下載到本地，然后進行識別
def parse(self,response):
ret=response.xpath('//*[@id="codePic"]/@src').extract()
image_source=ret[0]
image_url=response.urljoin(image_source)
r=requests.get(image_url)
with open('E://scrapy_project/image2.JPEG',"wb") as code:
code.write(r.content)
首先提取src的值出來，然后使用requests的方法進行圖片下載並保存。打開文件如下。
下一步就是開始識別圖片中的驗證碼了，這就需要用到pytesser以及PIL庫了。
首先是安裝Tesseract-OCR，在網上下載后進行安裝。默認安裝路徑是C:\Program Files\Tesseract-OCR。將該路徑添加到 系統屬性的path路徑里面。
然后再通過pip安裝pytesseract以及PIL。下面來看下如何使用。代碼如下：
im=Image.open('E:\\scrapy_project\\image2.JPEG')
im.convert('L')
ret=image_to_string(im，config='-psm 7’)
print ret
結果如下：圖片中的驗證碼已經被識別出來了
image_to_string要配置psm N,參數解釋如下，一般我們選擇第7個
-psm N
Set Tesseract to only run a subset of layout analysis and assume a certain form of image. The options for N are:
0 = Orientation and script detection (OSD) only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but no OSD, or OCR.
3 = Fully automatic page segmentation, but no OSD. (Default)
4 = Assume a single column of text of variable sizes.
5 = Assume a single uniform block of vertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the image as a single text line.
8 = Treat the image as a single word.
9 = Treat the image as a single word in a circle.
10 = Treat the image as a single character.
E:\python2.7.11\python.exe E:/py_prj/test3.py
8227