詳解利用Python破解驗證碼實例碼

一、前言
本實驗將透過一個簡單的例子來講解破解驗證碼的原理，將學習與實作以下知識點：
     Python基本說明
     PIL模組的使用
#二、實例詳解
安裝 pillow（PIL）函式庫：

$ 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

下載實驗用的檔案：

$ 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

提取文字圖片
在工作目錄下新建crack .py 文件，進行編輯。對應位的顏色的像素的數量。像素）。種顏色，其中220 與227 才是我們需要的紅色和灰色，可以透過這個訊息建構一個黑白二值圖片。

##提取單一字元圖片

接下來的工作是要得到單一字元的像素集合，由於範例比較簡單，我們對其進行縱向切割：

#-*- coding:utf8 -*-
from PIL import Image
im = Image.open("captcha.gif")
#(将图片转换为8位像素模式)
im = im.convert("P")
#打印颜色直方图
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]

得到每個字元開始和結束的列序號。字元所在的那部分圖片。訓練迭代  不會訓練過度

 你可以隨時加入／移除錯誤的資料檢視效果
 很容易理解並寫成程式碼

 提供分級結果，你可以看到最接近的多個匹配

 對於無法辨識的東西只要加入到搜尋引擎中，馬上就能辨識了。
向量空間搜尋引擎名字聽起來很高大上其實原理很簡單。拿文章裡的例子來說：

你有 3 篇文檔，我們要怎麼計算它們之間的相似度呢？ 2 篇文件所使用的相同的單字越多，那這兩篇文章就越相似！但這單字太多怎麼辦，就由我們來選幾個關鍵單詞，選擇的單字又被稱作特徵，每一個特徵就好比空間中的一個維度（x，y，z 等），一組特徵就是一個向量，每一個文件我們都能得到這麼一個向量，只要計算向量之間的夾角就能得到文章的相似度了。

用Python 類別實現向量空間：

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

它會比較兩個python 字典類型並輸出它們的相似度（用0～1 的數字表示）
#將之前的內容放在一起
還有取大量驗證碼提取單一字元圖片作為訓練集合的工作，但只要是有好好讀上文的同學就一定知道這些工作要怎麼做，在這裡就略去了。可以直接使用提供的訓練集合來進行下面的操作。 iconset目錄下放的是我們的訓練集。

最後追加的內容：

255 625
212 365
220 186
219 135
169 132
227 116
213 115
234 21
205 18
184 15

得到結果
一切準備就緒，運行我們的程式碼試試：

#-*- 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()

輸出

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

是正解，幹得漂亮。 總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或工作能帶來一定的幫助，如果有疑問大家可以留言交流。


#

以上是詳解利用Python破解驗證碼實例碼的詳細內容。更多資訊請關注PHP中文網其他相關文章！