ddddocr库介绍

ddddocr（Deep Double-Digital Digits OCR）是一个基于深度学习的OCR（Optical Character Recognition，光学字符识别）库，该库可以识别图片中的文字，并返回文字内容。ddddocr库在多个领域有着广泛的应用，包括自动化办公、图像处理、文字识别等。

ddddocr库的安装

pip install ddddocr -i https://pypi.tuna.tsinghua.edu.cn/simple/

利用dddocr库可以支持识别不同类型的验证码。

ddddocr库的使用

官方地址：https://pypi.org/project/ddddocr/1.2.0/

import ddddocr

ocr = ddddocr.DdddOcr(show_ad=False)

with open('test.png', 'rb') as f:

    img_bytes = f.read()

res = ocr.classification(img_bytes)

print(res)

使用时需要调用DdddOcr()先创建一个文字识别对象，然后用with open()方法将验证码图片以二进制方式读取，接着调用classification()方法将图片的二进制字节类型进行文字识别，识别出来的文字会返回到变量之中。

网页中验证码的识别

思路一：验证码截图，进行识别

定位到验证码图片的位置，采用screenshot_as_png进行截图，通过ddddocr库识别。

screenshot_as_png 方法是 Selenium WebDriver 中用于获取页面截图的方法。它返回一个 PNG 格式的二进制图像数据，可以保存到文件或进行进一步处理。

import ddddocr  

from selenium import webdriver

from selenium.webdriver.common.by import By

import time



# 创建一个谷歌驱动器

driver = webdriver.Chrome()



# 打开页面

driver.get("https://so.gushiwen.cn/user/login.aspx")

time.sleep(2) 

# 定位验证码所在元素

yzm = driver.find_element(By.XPATH,'//*[@id="imgCode"]')    

# 创建文字识别对象

ocr = ddddocr.DdddOcr(show_ad=False)

# 验证码截图，进行文字识别

res = ocr.classification(yzm.screenshot_as_png)  

print(f'验证码为：{res}')

运行该程序，验证码识别成功

思路二：获取验证码图片网址进行访问，进行识别

分析网页源码获取图片地址，对该地址发送请求，接收返回的二进制文件，通过ddddocr库识别。

import ddddocr  

from selenium import webdriver

from selenium.webdriver.common.by import By

import time

import requests

# 创建一个谷歌驱动器

driver = webdriver.Chrome()



# 打开页面

driver.get("https://so.gushiwen.cn/user/login.aspx")

time.sleep(2) 

# 定位验证码所在元素

yzm = driver.find_element(By.XPATH,'//*[@id="imgCode"]')    

# 验证码图片所在网址

img_url = yzm.get_attribute('src')

# 创建文字识别对象

ocr = ddddocr.DdddOcr(show_ad=False)

# 访问图片网址，获取二进制内容

r = requests.get(img_url).content

res = ocr.classification(r)



print(f'验证码为：{res}')

运行该程序，发现验证码识别出来了，但是跟网页中的验证码不一样！

为什么呢？我们看一下验证码图片所在网址。

点击进去，发现网验证码是动态刷新的，每次访问验证码的url时验证码都会变化。

也就是说，我们通过解析源代码获取验证码的访问链接，但当我们访问该验证码链接时，验证码又刷新了，所以这个方法对于动态刷新的图片验证码行不通。

出自：https://mp.weixin.qq.com/s/2qUS3XYKPBcH8pMUw1rvQA