Python3实例：如何实现爬虫识别图形验证码？

本文共计1398个文字，预计阅读时间需要6分钟。

本节首先介绍最简单的验证码——图形验证码。这种验证码最早出现，现在也非常常见。通常由四位数或字母数字组合构成，如中国知网的注册页面就含有类似验证码。

本节我们首先来尝试识别最简单的一种验证码，图形验证码，这种验证码出现的最早，现在也很常见，一般是四位字母或者数字组成的，例如中国知网的注册页面就有类似的验证码，链接为：my.cnki.net/elibregister/commonRegister.aspx，页面：

表单的最后一项就是图形验证码，我们必须完全输入正确图中的字符才可以完成注册。

1.本节目标

本节我们就以知网的验证码为例，讲解一下利用 OCR 技术识别此种图形验证码的方法。

2. 准备工作

识别图形验证码需要的库有 Tesserocr，如果没有安装可以参考第一章的安装说明。

3. 获取验证码

为了便于实验，我们先将验证码的图片保存到本地，以供测试。

打开开发者工具，找到验证码元素，可以看到这是一张图片，它的 src 属性是 CheckCode.aspx，在这里我们直接将这个链接打开：my.cnki.net/elibregister/CheckCode.aspx，就可以看到一个验证码，直接右键保存下来即可，将名称命名为 code.jpg，如图 8-2 所示：

这样我们就可以得到一张验证码图片供下面测试识别使用了。