Python爬虫自动识别验证码

本文主要利用tesseract识别网页登陆中的验证码（从图像的角度，不是Cookie）

CAPTCHA（验证码）这一概念被广泛认知，然而其具体定义却鲜为人知，即全自动区分计算机与人类的图灵测试。简单来说，这是一种用于辨别人类用户与人工智能程序的技术手段。在众多网站中，验证码被普遍采用，最常见的形式是由字母与数字组合而成的图像，例如以下所示：

本研究中所采用的代码通过selenium工具模拟浏览器操作，实现对登录界面验证码的识别过程，具体包括定位验证码所在区域并进行分割，随后运用光学字符识别技术完成验证码内容的辨识。

    # -*- coding: utf-8 -*-
    """
    Created on Sun Apr 26 17:42:23 2020
    
    @author: dell
    """
    
    import re  # 用于正则
    from PIL import Image  # 用于打开图片和对图片处理
    import tesserocr
    import pytesseract