【python】帶圖片驗證碼的登錄自動化實戰

近期在跟進新項目的時候，整體的業務線非常之長，會一直重復登錄退出不同賬號的這個流程，所以想從登錄開始實現部分的自動化。因為是B/S的架構，所以采用的是selenium的框架來實現。大致實現步驟如下：

　　1.環境准備

　　2.驗證碼爬取

　　3.識別方案選擇

　　4.圖像處理和識別

　　5.自動化實現

一、環境准備

　　系統：macOS

　　軟件：Pycharm

　　語言：Python 2.7

 　  瀏覽器：Chrome 70.0.35

　　依賴庫：selenium 3.141、xlrd 1.1、aip 1.0.0.5、pytesser、pytesseract 0.2.5、opencv-python 3.4.3、urllib3 1.24.1、Pillow-PIL 0.1

　　驅動安裝與配置環境：

　　　　① 下載chromedriver:http://chromedriver.storage.googleapis.com/index.html（需代理）、http://npm.taobao.org/mirrors/chromedriver/（無需代理）

　　　　②具體瀏覽器與驅動版本映射表可參考  https://blog.csdn.net/huilan_same/article/details/51896672   ,最新chrome 74版本---ChromeDriver v74.0.3729.6

　　　　③解壓后放置在/usr/local/bin/目錄下

　　　　④加入環境變量：export PATH=$PATH:/usr/local/bin/ChromeDriver

二、驗證碼爬取

　　對於驗證碼而言，目前各式網站出現的驗證碼類型基本有：圖形驗證碼（數字、計算題、中文、英文、問答題）、滑塊驗證碼、語音驗證碼、圖片驗證碼（正倒序、同類型)。自身項目的驗證碼為數字+英文圖形驗證碼，針對這一塊的內容，首先我們先來爬取一些驗證碼到指定文件夾中，來着重分析一下特點。代碼如下：

#-*- coding:utf-8 -*-
from selenium import webdriver
import time
import urllib
import os
import sys


req_url = "https://項目網址/#/"


def download_code(num):
    for i in range(int(num)):
        browser.refresh()
        time.sleep(3)
        # 尋找登錄按鈕，查找登錄classname
        browser.find_elements_by_css_selector("[class='ant-btn logining-btn ant-btn-primary ant-btn-lg ant-btn-background-ghost']")[0].click()
        time.sleep(3)
        #獲取驗證碼url鏈接
        src=browser.find_elements_by_css_selector("[class='picturecode-img']")[0].get_attribute("src")
        time.sleep(1)
   
        local = '/Users/funny/PycharmProjects/auto_cloud/code_pic/' + str(i) + '.png'
        print local
        urllib.urlretrieve(src,local)
        time.sleep(1)

if __name__=="__main__":
    browser = webdriver.Chrome()
    browser.get(req_url)
    download_code(sys.argv[1])
    browser.close()

 　　大致講解一下上面出現的一些函數用法和實現過程中存在的問題。

　　1.使用classname定位，運行時報錯

　　A：一般來說，使用classname來定位還是比較精准的，但是此項目的classname包含了多個tag，如上述的登錄按鈕class='ant-btn logining-btn ant-btn-primary ant-btn-lg ant-btn-background-ghost'，這時候使用 find_elements_by_class_name方法定位，會無法定位並報錯。所以需要使用find_elements_by_css_selector，大家可以根據各自項目來選擇方法。

　　2.urllib.urlretrieve(src,local)

　　urllib模塊提供的urlretrieve()函數，urlretrieve()方法直接將遠程數據下載到本地，傳入下載的鏈接。

　　3.命令行獲取參數

　　為了指定我們想要下載的驗證碼數量，要在源程序里面修改嗎？不用。sys.argv[]是一個從程序外部獲取參數的橋梁，所獲得的是一個列表（list)，文中的sys.argv[1]則是代表獲取列表中的下標為1的內容，在終端我們運行的方法是：python  catch_code.py  10 ，這樣sys.argv[1]取到的的值則為10,num的值亦為10，循環10次下載驗證碼。

三、識別方案選擇

　　上節中爬取下來了100張驗證碼，如下圖：

　　基本特性是：橫向排列、數字與英文字母組合、字母間粘連占比約30%、背景干擾較少。閱讀已有的一些ocr識別技術，基本有以下三個方向：

　　　　① pytesser

　　　　② pytesseract

　　　　③ 百度文字識別 AipOcr

　　為了對比這三者識別技術的識別率，對應實現來展示效果，所以樣本選擇為0.png、4.png、11.png（字母粘連、純字母、字母+數字）

　　pytesser：谷歌OCR開源項目的一個模塊，在python中導入這個模塊即可將圖片中的文字轉換成文本。pytesser下載鏈接：http://code.google.com/p/pytesser/  ，實現代碼如下：

#-*- coding:utf-8 -*-
from PIL import Image
import pytesser.pytesser as pytesser

image = Image.open('code_pic/test_pic/0.png')
print pytesser.image_file_to_string('code_pic/test_pic/0.png')
print pytesser.image_to_string(image)

　　image_file_to_string()函數可以實現簡單的英文字母識別，如果圖像是不相容的，會先轉換成兼容的格式，然后再提取圖片中的文本信息。

　　image_to_string()函數亦可實現英文字母識別，讀取圖片時，將內存中的圖像文件保存為bmp，再使用tesseract處理。

　　執行結果如下：

　　順序識別0,4,11圖片后均無法識別結果，識別概率為0%

　　pytesseract:Google的Tesseract-OCR引擎包裝器

print pytesseract.image_to_string(Image.open('code_pic/test_pic/11.png'),lang="eng")

　　順序識別0,4,11圖片后均無法識別結果，識別概率為0%

　　AipOcr：一款百度提供的OCR識別服務，支持多種圖片格式，接口免費調用50000次/日，具體請參考官方文檔：https://ai.baidu.com/docs#/OCR-API/top ，在實現之前，我們需要創建一款產品，來獲得AppID、API Key、Secret Key的值。如下圖：

　　獲取到以上三個參數后，繼續上代碼：

from aip import AipOcr

#  你的 APPID AK SK
APP_ID = '1*****'
API_KEY = 'sHzo*******'
SECRET_KEY = 'V******'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 讀取圖片
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

image = get_file_content('/Users/funny/PycharmProjects/auto_cloud/code_pic/test_pic/11.png')
#  調用通用文字識別, 圖片參數為本地圖片
result = client.general(image)

# 定義參數變量
options = {
    # 定義圖像方向
        'detect_direction' : 'true',
    # 識別語言類型，默認為'CHN_ENG'中英文混合
        'language_type' : 'CHN_ENG',


}

# 調用通用文字識別接口
result = client.general(image,options)
print(result)
for word in result['words_result']:
    print(word['words'])

　　順序識別0,4,11圖片后,圖片11識別出了一半,提取到了"2F"，概率為16%

四、圖像處理和識別

　　在上節看來，未經過處理的圖片進行識別，識別概率都非常之低。所以我們換一個角度來思考，通過對圖片進行一些處理，使得特征更加明顯，再通過上述的三種識別庫來識別，提高識別的概率。步驟大致如下：1）灰度二值化  2）線降噪  3）開運算

　　1）灰度二值化

im = cv2.imread('/Users/funny/PycharmProjects/auto_cloud/code_pic/0.png')
im = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) 
# 二值化
th1 = cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 21, 1)
edges = cv2.Canny(th1, 30, 70)
cv2.imshow('二值化',th1)
cv2.waitKey(0)
cv2.destroyAllWindows()

　　處理的圖像如下：

         

　　2）線降噪

#二值化圖片，並且線降噪
img = cv2.imread('/Users/funny/PycharmProjects/auto_cloud/code_pic/11.png')
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #灰值化
h, w = img.shape[:2]
# opencv矩陣點是反的
# img[1,2] 1:圖片的高度，2：圖片的寬度
for y in range(1, w - 1):
    for x in range(1, h - 1):
        count = 0
        if img[x, y - 1] > 245:
            count = count + 1
        if img[x, y + 1] > 245:
            count = count + 1
        if img[x - 1, y] > 245:
            count = count + 1
        if img[x + 1, y] > 245:
            count = count + 1
        if count > 2:
            img[x, y] = 255


cv2.imshow('線降噪',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

　　處理的圖像如下：

        

　　3)閉運算

img = cv2.imread('/Users/funny/PycharmProjects/auto_cloud/code_pic/11.png')
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 3))  # 定義結構元素
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)  # 開運算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
cv2.imshow('閉運算',closing)

cv2.waitKey(0)
cv2.destroyAllWindows()

　　處理的圖像如下：

    

　　圖像處理到現在基本上我們已經將已有的背景干擾及色彩去除完畢，接下來我們針對這些處理的圖像進行三種識別方案的識別，識別結果如下表：

　　我們來分析一下這個表，在最開始的二值化，AipOcr至少識別出來了一些內容。縱觀三種圖像處理后的識別效果，明顯閉運算已經能識別出大致的內容了，圖片4.png三種識別方式都是可以識別出來，對於0.png這種粘連字母，識別效果基本為0%，而11.png“j”的底部表現不出來，所以識別不出來，但后面的內容亦識別成功。所以我們可以總結三點：①識別方式精准度 ：AipOcr>pytesser>pytesseract。 ②處理后效果：閉運算>線降噪>二值化。③粘連性、帶噪點圖片識別效果非常差（當前准確值是基於我選取的樣本集）。

五、自動化實現

　　從上節的處理和識別中的總結內容中，本項目我們選擇將AipOcr作為識別，若識別結果不正確（如粘連、噪點過多、部分裁剪圖片），將獲取新的驗證碼，以此類推。將上述部分代碼封裝，方便調用，最終完整代碼如下：

#-*- coding:utf-8 -*-
from selenium import webdriver
from time import sleep
import xlrd
import os
import time
import urllib
import cv2
from aip import AipOcr
#define
req_url = "網址"
local = '/Users/funny/PycharmProjects/auto_cloud/code_pic/code.png'
APP_ID = '1****2'
API_KEY = 's*****'
SECRET_KEY = 'V******Hw'
xlsname="user_tab.xlsx"

#excel讀取
def Load_excel():
    excel = xlrd.open_workbook(xlsname)
    shxrange = range(excel.nsheets)
    try:
        sh = excel.sheet_by_name("Sheet1")
    except:
        print "no sheet in %s named Sheet1" % xlsname
    nrows = sh.nrows
    ncols = sh.ncols
    #print "nrows %d, ncols %d" % (nrows, ncols)
    # 獲取第一行第一列數據
    cell_value = sh.cell_value(1, 1)
    # print cell_value
    row_list = []
    # 獲取各行數據
    for i in range(1, nrows):
        row_data = sh.row_values(i)
        row_list.append(row_data)
    return row_list

def change_catch():
    img = cv2.imread('/Users/funny/PycharmProjects/auto_cloud/code_pic/code.png')
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 3))  # 定義結構元素
    closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
    cv2.imwrite('/Users/funny/PycharmProjects/auto_cloud/code_pic/code-close.png',closing)

def code_detect():
    client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
    f=open('/Users/funny/PycharmProjects/auto_cloud/code_pic/code-close.png','rb')
    image =f.read()
    #  調用通用文字識別, 圖片參數為本地圖片
    result = client.general(image)
    # 定義參數變量
    options = {
    # 定義圖像方向
        'detect_direction': 'true',
        # 識別語言類型，默認為'CHN_ENG'中英文混合
        'language_type': 'CHN_ENG',
    }
# 調用通用文字識別接口
    result = client.general(image, options)
    print result
    print str(result['words_result'][0]['words'])
    return str(result['words_result'][0]['words'])






if __name__ == '__main__':

    flag=False
    row_list=Load_excel()
    print row_list
    browser = webdriver.Chrome()
    browser.get(req_url)
    time.sleep(4)
    #尋找登錄按鈕，查找登錄classname
    browser.find_elements_by_css_selector("[class='ant-btn logining-btn ant-btn-primary ant-btn-lg ant-btn-background-ghost']")[0].click()
    time.sleep(2)
    #獲取驗證碼url
    src = browser.find_elements_by_css_selector("[class='picturecode-img']")[0].get_attribute("src")
    urllib.urlretrieve(src, local)
    print "下載驗證碼中。。。"
    change_catch()
    word=code_detect()
    print word
    time.sleep(1)
    browser.find_element_by_id("loginName").send_keys(row_list[0][1])
    browser.find_element_by_id("password").send_keys(row_list[0][2])
    browser.find_element_by_id("imgValidCode").send_keys(word)
    browser.find_elements_by_css_selector("[class='ant-btn ant-btn-primary ant-btn-lg ant-btn-block']")[0].click()
    time.sleep(1)

    while browser.current_url=="網址":
        time.sleep(2)
        src = browser.find_elements_by_css_selector("[class='picturecode-img']")[0].get_attribute("src")
        urllib.urlretrieve(src, local)
        print "下載驗證碼中。。。"
        change_catch()
        word = code_detect()
        time.sleep(2)
        browser.find_element_by_id("imgValidCode").send_keys(word)
        browser.find_elements_by_css_selector("[class='ant-btn ant-btn-primary ant-btn-lg ant-btn-block']")[0].click()

    print "登錄成功"

　　對於粘連性及部分被切割的驗證碼，還需要再研究一番~

　　另，因為驗證碼識別率還不能達到100%，且后期可能因為版本迭代的原因，更換不同方式的驗證碼類型，所以這里只是提供一個圖像預處理思路給到大家，實現登錄自動化還有其他方式，如白名單控制、關閉驗證碼校驗等。