python爬蟲入門級識別驗證碼

前情：這篇文章所提及的內容是博主上個暑假時候做的，一直沒有沉下心來把自己的心得寫在紙面上，所幸這個假期閒暇時候比較多，想著能寫多少是多少，於是就有了此篇。

驗證碼？我也能破解？

關於驗證碼的介紹就不多說了，各種各樣的驗證碼在人們生活中時不時就會冒出來，博主身為東北大學的學生，日常接觸最多的就是教務處系統的驗證碼了。
東大的驗證碼一直被學生吐槽，太難輸入了，不僅區分大小寫，有些時候你明明輸入正確了，卻提示出錯，而這個時候 禁止你的左鍵複製 也許該彈出來了。
（不過1python爬蟲入門級識別驗證碼-17學年度教務處更改了驗證碼的內容，更方便人類操作了。）

可以看出教務處的驗證碼十分有規律，每個字母數字的大小位置形狀等等都是固定的，這正適合毫無基礎的初學者進行驗證碼的識別。

識別辦法

模擬登陸有著複雜的步驟，在這裡咱們不管其他操作，只負責根據輸入的一張驗證碼圖片返回一個答案字串。

我們知道驗證碼為了製作幹擾，會把圖片弄成五顏六色的樣子，而我們首先就是要去除這些幹擾，這一步就需要不斷試驗了，增強圖片色彩，加大對比度等等都可以產生幫助。

在經過各種對圖片的操作之後，終於找到了比較完美的去除乾擾方案。可以看到在去除乾擾之後，最優情況下，我們將得到一張十分純淨的黑白字元圖片。一張圖片上有四個字符，沒辦法一下子就把四個字符全部識別，需要把圖片進行裁剪，裁剪成每張小圖只有一個字符的樣子，再對每張圖片分別進行識別。

接下來就是辨識文字了，我們先把得到的小圖轉換成01表示的矩陣，每個矩陣代表一個字元。
例如數字六的矩陣

num_python爬蟲入門級識別驗證碼python爬蟲入門級識別驗證碼[
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,
0,0,0,0,1,1,1,0,0,0,0,0,0,
0,0,0,1,1,1,0,0,0,0,0,0,0,
0,0,0,1,1,0,0,0,0,0,0,0,0,
0,0,1,1,0,0,0,0,0,0,0,0,0,
0,0,1,1,0,0,0,0,0,0,0,0,0,
0,1,1,1,1,1,1,1,0,0,0,0,0,
0,1,1,1,1,1,1,1,1,0,0,0,0,
0,1,1,0,0,0,0,1,1,1,0,0,0,
0,1,1,0,0,0,0,0,1,1,0,0,0,
0,1,1,0,0,0,0,0,1,1,0,0,0,
0,1,1,1,0,0,0,1,1,1,0,0,0,
0,0,1,1,1,1,1,1,1,0,0,0,0,
0,0,0,1,1,1,1,1,0,0,0,0,0,
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,
0,0,0,0,0,0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0,0,
]

遠遠望過去，瞇著眼睛還是能分辨出來的。
因為東大教務處的驗證碼十分規整，每個數字所在的位置都是固定的，所以並不需要涉及什麼機器學習的演算法，只是簡單的進行一下矩陣的比對就可以了，在所有的實現做好的矩陣中找到相似度最高的矩陣就可以了，這裡的比對方法多種多樣，反正數據簡單能正確辨識出來就好。

至此，咱們的驗證碼識別工作就結束了。