作者：abucode
来源：http://aducode.github.io/
本文约 2203 字，读完可能需要 5 分钟。
背景
最近公司新项目需要搭建一个自动化测试框架，于是研究了一下selenium这个自动化测试工具，用python写了一个操作网站完成登录的逻辑。
输入用户名、密码点解登录，这些都可以由程序自动完成，但是我们的网站是有验证码的，必须手动输入验证码才能成功登录。这就让测试不是真正意义上的”自动化”了。
看到我们网站的验证码由固定的四位数字构成，觉得识别起来不是特别难，所以个人决定用python写一个简单的验证码识别工具，现总结如下。
工具
获取训练数据
训练数据直接用urllib在web上抓取验证码的图片。这些图片首先要进行灰度化处理，然后根据阀值将灰度图二值化，片变成黑白图片，代码如下：
网页上原始数据：
处理过的图片如下：
分割图片
二值化后的图片需要拆分，将每个数字拆分到单独的图片中，这里采用的是x轴投影的办法拆分数字的，代码如下：
分割后的图片如下：
X轴投影分割原理：
当然这种方法缺点也是有的，如甚至是这样的数据就不能正确分割成四个数字的，更好的算法是连通图算法（我不会~）
整理训练数据作为样本
本来还需要对数字进行一些标准化的运算，对随机旋转，随机扭曲，随机缩放的标准化有不同的算法，为了简单（其实是我不会），只对缩放进行标准化，也就是把每张图片resize到相同的大小。
然后将这些数字人为的识别，放到对应的目录中（由于算法比较简陋，为了准确率高，抽样的数据尽量多，我是0-9每个数字放50个样本）
识别验证码
有了这些样本数据，我们就可以开始识别验证码了，使用selenium封装的chromedriver控制chrome浏览器打开登录界面，但是我没有找到selenium直接保存标签图片的方法（不知道有没有，没深入学习），验证码的url每次得到的图片是不同的，也不能直接用urllib.openurl打开的src，所以我使用了selenium的截图功能。
截图不能截局部图，只能截整个浏览器，而我计算验证码的位置是写死在程序里的，不具有通用性，不知道有没有更好的办法。
截图分割，然后将单独的数字与样本数据对比，这里采用简单的算法（复杂的我不会），逐个像素对比，相同像素多的即为结果。 代码如下：
结果
测试了一下这个程序，识别率大概50%，作为自动化测试登录流程算是可以使用了，10次之内就可以登录；但是如果用到12306这样的网站上抢火车票的话就不太能接受了。
可以优化的地方有很多，如字符分割、标准化算法等，以后有时间再慢慢研究，提高一下准确率。
参考
常见验证码的弱点与验证码识别 http://www.2cto.com/Article/201306/220563.html
本文原文链接为：http://aducode.github.io/posts/2014-07-08/python_identification_verification_code.html
扫码关注编程派
获取最新教程及资源推送
↓↓↓ 点击阅读原文，查看更多Python教
阅读原文：http://mp.weixin.qq.com/s?timestamp=1480062937&src=3&ver=1&signature=6o5XPsv4hRdQEg19FogQSkKZ*CC2FZkTpNpVjgBg8HZ*NtlzY9BkDLVqqRBUECSqV8-*8b-E*4YPZvzAZoptV1Z8Oc9QMoEVUI6jPi-MntQfSEkMAICLwGCsuZqx*JUJ8X0jdLo*gui*RYp0T5QItLGf2GTpduaQkXxtIabOxcY=
