文章目录

一、前言二、ddddocr库使用说明

1. 介绍2. 算法步骤3. 安装4. 参数说明5. 纯数字验证码识别6. 纯英文验证码识别7. 英文数字验证码识别8. 带干扰的验证码识别 三、验证码识别登录代码实战

1. 输入账号密码2. 下载验证码3. 识别验证码并登录

一、前言

兄弟们使用selenium自动登录网站的时候，是不是经常遇到数字验证码，使用传统的OCR库识别效果又不是很好，今天介绍一款效果非常棒的验证码识别模块——ddddocr。

二、ddddocr库使用说明

1. 介绍

ddddocr（带带弟弟ocr）是一个用于文字识别的开源库。它是基于深度学习技术的，具有高度的准确性和鲁棒性。ddddocr使用了深度神经网络来处理各种类型的文本，包括印刷体和手写体等。其双解码机制使其在处理复杂文本时表现出色。

这个库的特点之一是其模型结构的密集性（Dense），这意味着它能够更好地捕捉文本中的细节和特征，从而提高了识别的准确性。此外，它还采用了双解码机制（Dual Decode），这意味着它可以同时从多个角度对图像进行解码，进一步提高了识别的鲁棒性和准确性。

Github地址：https://github.com/sml2h3/ddddocr

2. 算法步骤

ddddocr这个库的算法主要包括以下几个步骤：

图像预处理：

图像预处理是任何OCR系统中的第一步。它旨在使图像更容易处理，并提高文本识别的准确性。预处理步骤可能包括灰度化、二值化、去噪声、图像增强等操作，以减少后续步骤中的噪声和干扰。

文本检测：

文本检测是指识别图像中文本的位置和边界框。这一步通常使用深度学习技术，如卷积神经网络 (CNN) 或循环神经网络 (RNN) 来实现。检测到的文本通常用矩形边界框表示。

文本识别：

文本识别是从检测到的文本区域中提取出实际的文本内容。这通常涉及到使用循环神经网络 (RNN)、注意力机制或转录网络等模型来识别文本。这些模型可以是基于字符的，也可以是基于单词或子词的。

后处理：

后处理步骤旨在提高识别准确性并改善结果的质量。这可能包括语言模型的应用、纠正错误、识别字体或手写风格等。

输出结果：

最终结果通常以文本形式呈现，或者以标记文本的边界框和对应的文本内容的形式提供。

ddddOCR库可能会结合这些步骤，利用深度学习模型和传统的计算机视觉技术来实现文本识别。在不同的应用场景下，可能会有一些额外的步骤或优化，比如针对特定的文档类型进行优化、处理不同语言的文本等。

3. 安装

硬性要求 Python >= 3.8，通过pip命令进行安装：

pip install ddddocr

4. 参数说明

我们这里使用的是ddddocr.DdddOcr()类：

class DdddOcr(object):

def __init__(self, ocr: bool = True, det: bool = False, old: bool = False, beta: bool = False,

use_gpu: bool = False,

device_id: int = 0, show_ad=True, import_onnx_path: str = "", charsets_path: str = "")

这个__init__方法是一个Python类的构造函数，它定义了类的初始化过程，其中包含了一系列参数。让我来解释一下这些参数的含义：

ocr: 这是一个布尔类型的参数，用于指定是否进行光学字符识别（OCR）。默认值为True，表示默认情况下会进行OCR。

det: 这也是一个布尔类型的参数，用于指定是否进行文本检测（Text Detection）。默认值为False，表示默认情况下不会进行文本检测。

old: 这是一个布尔类型的参数，用于指定是否使用旧版本的模型或方法。默认值为False，表示默认情况下不使用旧版本。

beta: 这也是一个布尔类型的参数，用于指定是否使用测试版本（beta版本）的功能或方法。默认值为False，表示默认情况下不使用测试版本。

use_gpu: 这是一个布尔类型的参数，用于指定是否使用GPU来进行计算。默认值为False，表示默认情况下不使用GPU，而使用CPU。

device_id: 这是一个整数类型的参数，用于指定在使用GPU时要使用的GPU设备的ID。默认值为0，表示默认情况下使用ID为0的GPU设备。

show_ad: 这是一个布尔类型的参数，用于指定是否显示广告。默认值为True，表示默认情况下会显示广告。

import_onnx_path: 这是一个字符串类型的参数，用于指定导入ONNX模型的路径。默认值为空字符串，表示默认情况下不导入任何ONNX模型。

charsets_path: 这是一个字符串类型的参数，用于指定字符集的路径。默认值为空字符串，表示默认情况下字符集的路径未指定。

这个类中有一个classification方法，需要传递一个图片对象进入就可以识别了：

def classification(self, img, png_fix: bool = False):

if self.det:

raise TypeError("当前识别类型为目标检测")

if not isinstance(img, (bytes, str, pathlib.PurePath, Image.Image)):

raise TypeError("未知图片类型")

if isinstance(img, bytes):

image = Image.open(io.BytesIO(img))

elif isinstance(img, Image.Image):

image = img.copy()

elif isinstance(img, str):

image = base64_to_image(img)

else:

assert isinstance(img, pathlib.PurePath)

image = Image.open(img)

if not self.use_import_onnx:

image = image.resize((int(image.size[0] * (64 / image.size[1])), 64), Image.ANTIALIAS).convert('L')

else:

if self.__resize[0] == -1:

if self.__word:

image = image.resize((self.__resize[1], self.__resize[1]), Image.ANTIALIAS)

else:

image = image.resize((int(image.size[0] * (self.__resize[1] / image.size[1])), self.__resize[1]),

Image.ANTIALIAS)

else:

image = image.resize((self.__resize[0], self.__resize[1]), Image.ANTIALIAS)

if self.__channel == 1:

image = image.convert('L')

else:

if png_fix:

image = png_rgba_black_preprocess(image)

else:

image = image.convert('RGB')

image = np.array(image).astype(np.float32)

image = np.expand_dims(image, axis=0) / 255.

if not self.use_import_onnx:

image = (image - 0.5) / 0.5

else:

if self.__channel == 1:

image = (image - 0.456) / 0.224

else:

image = (image - np.array([0.485, 0.456, 0.406])) / np.array([0.229, 0.224, 0.225])

image = image[0]

image = image.transpose((2, 0, 1))

ort_inputs = { 'input1': np.array([image]).astype(np.float32)}

ort_outs = self.__ort_session.run(None, ort_inputs)

result = []

5. 纯数字验证码识别

测试代码：

import ddddocr

import time

start = time.time() # 开始时间

# 1. 创建DdddOcr对象

ocr = ddddocr.DdddOcr(show_ad=False)

# 2. 读取图片

with open('test.png', 'rb') as f:

img = f.read()

# 3. 识别图片内验证码并返回字符串

result = ocr.classification(img)

print("识别结果：",result)

end = time.time()

print("耗时：%s 秒" % str(start-end))

运行结果：

识别结果： 0413

耗时：-0.12942123413085938 秒

6. 纯英文验证码识别

运行结果：

识别结果： bcsm

耗时：-0.11309981346130371 秒

7. 英文数字验证码识别

运行结果：

识别结果： a72c

耗时：-0.09667587280273438 秒

8. 带干扰的验证码识别

运行结果：

识别结果： i27kYk

耗时：-0.09169244766235352 秒

可以看到ddddocr库识别验证码还是特别给力的！！！

三、验证码识别登录代码实战

上一期我们讲了如何使用selenium输入账号信息登录网站，还不会的可以去复习一下：https://blog.csdn.net/yuan2019035055/article/details/136284263

测试网站：https://captcha7.scrape.center/

1. 输入账号密码

运行下面代码将会输入账号密码：

<code>from selenium import webdriver

from selenium.webdriver.common.by import By

import time

# 1. 创建链接

# 创建ChromeOptions对象，用于配置Chrome浏览器的选项

chrome_options = webdriver.ChromeOptions()

# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题

chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器

chrome_options.add_argument(

'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')

driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹

with open('stealth.min.js') as f:

js = f.read()

driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {

"source": js

})

# 4. 最大化浏览器窗口

driver.maximize_window()

# 5. 发送请求，打开网页

driver.get('https://captcha7.scrape.center/')

time.sleep(1)

# 6. 输入账号密码

username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框code>

username_input.send_keys("your_username") # 输入账号信息（这里自行替换）

password_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框code>

password_input .send_keys("your_username") # 输入密码信息（这里自行替换）

time.sleep(100)

运行结果：

2. 下载验证码