一区二区在线,精品在线一区二区三区,亚洲性在线

一、前言

本實(shí)驗(yàn)將通過(guò)一個(gè)簡(jiǎn)單的例子來(lái)講解破解驗(yàn)證碼的原理，將學(xué)習(xí)和實(shí)踐以下知識(shí)點(diǎn)：

Python基本知識(shí)

PIL模塊的使用

二、實(shí)例詳解

安裝 pillow（PIL）庫(kù)：

									$ 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(shí)驗(yàn)用的文件：

									$ wget http://labfile.oss.aliyuncs.com/courses/364/python_captcha.zip

									$ unzip python_captcha.zip

									$ cd python_captcha

這是我們實(shí)驗(yàn)使用的驗(yàn)證碼 captcha.gif

利用Python破解驗(yàn)證碼實(shí)例詳解

提取文本圖片

在工作目錄下新建 crack.py 文件，進(jìn)行編輯。

									#-*- coding:utf8 -*-

									from PIL import Image

									im = Image.open("captcha.gif")

									#(將圖片轉(zhuǎn)換為8位像素模式)

									im = im.convert("P")

									#打印顏色直方圖

									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]

顏色直方圖的每一位數(shù)字都代表了在圖片中含有對(duì)應(yīng)位的顏色的像素的數(shù)量。

每個(gè)像素點(diǎn)可表現(xiàn)256種顏色，你會(huì)發(fā)現(xiàn)白點(diǎn)是最多（白色序號(hào)255的位置，也就是最后一位，可以看到，有625個(gè)白色像素）。紅像素在序號(hào)200左右，我們可以通過(guò)排序，得到有用的顏色。

									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

輸出：

我們得到了圖片中最多的10種顏色，其中 220 與 227 才是我們需要的紅色和灰色，可以通過(guò)這一訊息構(gòu)造一種黑白二值圖片。

									#-*- 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()

得到的結(jié)果：

利用Python破解驗(yàn)證碼實(shí)例詳解

提取單個(gè)字符圖片

接下來(lái)的工作是要得到單個(gè)字符的像素集合，由于例子比較簡(jiǎn)單，我們對(duì)其進(jìn)行縱向切割：

									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

輸出：

1	`[(6,` `14), (15,` `25), (27,` `35), (37,` `46), (48,` `56), (57,` `67)]`

得到每個(gè)字符開始和結(jié)束的列序號(hào)。

									import hashlib

									import time

									count = 0

									for letter in letters:

									 m = hashlib.md5()

									 im3 = im2.crop(( letter[0] , 0, letter[1],im2.size[1] ))

									 m.update("%s%s"%(time.time(),count))

									 im3.save("./%s.gif"%(m.hexdigest()))

									 count += 1

(接上面的代碼)

對(duì)圖片進(jìn)行切割，得到每個(gè)字符所在的那部分圖片。

AI 與向量空間圖像識(shí)別

在這里我們使用向量空間搜索引擎來(lái)做字符識(shí)別，它具有很多優(yōu)點(diǎn)：

不需要大量的訓(xùn)練迭代
不會(huì)訓(xùn)練過(guò)度
你可以隨時(shí)加入／移除錯(cuò)誤的數(shù)據(jù)查看效果
很容易理解和編寫成代碼
提供分級(jí)結(jié)果，你可以查看最接近的多個(gè)匹配
對(duì)于無(wú)法識(shí)別的東西只要加入到搜索引擎中，馬上就能識(shí)別了。

當(dāng)然它也有缺點(diǎn)，例如分類的速度比神經(jīng)網(wǎng)絡(luò)慢很多，它不能找到自己的方法解決問(wèn)題等等。

向量空間搜索引擎名字聽上去很高大上其實(shí)原理很簡(jiǎn)單。拿文章里的例子來(lái)說(shuō)：

你有 3 篇文檔，我們要怎么計(jì)算它們之間的相似度呢？2 篇文檔所使用的相同的單詞越多，那這兩篇文章就越相似！但是這單詞太多怎么辦，就由我們來(lái)選擇幾個(gè)關(guān)鍵單詞，選擇的單詞又被稱作特征，每一個(gè)特征就好比空間中的一個(gè)維度（x，y，z 等），一組特征就是一個(gè)矢量，每一個(gè)文檔我們都能得到這么一個(gè)矢量，只要計(jì)算矢量之間的夾角就能得到文章的相似度了。

用 Python 類實(shí)現(xiàn)向量空間：

									import math

									class VectorCompare:

									 #計(jì)算矢量大小

									 def magnitude(self,concordance):

									  total = 0

									  for word,count in concordance.iteritems():

									   total += count ** 2

									  return math.sqrt(total)

									 #計(jì)算矢量之間的 cos 值

									 def relation(self,concordance1, concordance2):

									  relevance = 0

									  topvalue = 0

									  for word, count in concordance1.iteritems():

									   if concordance2.has_key(word):

									    topvalue += count * concordance2[word]

									  return topvalue / (self.magnitude(concordance1) * self.magnitude(concordance2))

它會(huì)比較兩個(gè) python 字典類型并輸出它們的相似度（用 0～1 的數(shù)字表示）

將之前的內(nèi)容放在一起

還有取大量驗(yàn)證碼提取單個(gè)字符圖片作為訓(xùn)練集合的工作，但只要是有好好讀上文的同學(xué)就一定知道這些工作要怎么做，在這里就略去了。可以直接使用提供的訓(xùn)練集合來(lái)進(jìn)行下面的操作。

iconset目錄下放的是我們的訓(xùn)練集。

最后追加的內(nèi)容：

									#將圖片轉(zhuǎn)換為矢量

									def buildvector(im):

									 d1 = {}

									 count = 0

									 for i in im.getdata():

									  d1[count] = i

									  count += 1

									 return d1

									v = VectorCompare()

									iconset = ['0','1','2','3','4','5','6','7','8','9','0','a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']

									#加載訓(xùn)練集

									imageset = []

									for letter in iconset:

									 for img in os.listdir('./iconset/%s/'%(letter)):

									  temp = []

									  if img != "Thumbs.db" and img != ".DS_Store":

									   temp.append(buildvector(Image.open("./iconset/%s/%s"%(letter,img))))

									  imageset.append({letter:temp})

									count = 0

									#對(duì)驗(yàn)證碼圖片進(jìn)行切割

									for letter in letters:

									 m = hashlib.md5()

									 im3 = im2.crop(( letter[0] , 0, letter[1],im2.size[1] ))

									 guess = []

									 #將切割得到的驗(yàn)證碼小片段與每個(gè)訓(xùn)練片段進(jìn)行比較

									 for image in imageset:

									  for x,y in image.iteritems():

									   if len(y) != 0:

									    guess.append( ( v.relation(y[0],buildvector(im3)),x) )

									 guess.sort(reverse=True)

									 print "",guess[0]

									 count += 1

得到結(jié)果

一切準(zhǔn)備就緒，運(yùn)行我們的代碼試試：

1	`python crack.py`

輸出

									(0.96376811594202894, '7')

									(0.96234028545977002, 's')

									(0.9286884286888929, '9')

									(0.98350370609844473, 't')

									(0.96751165072506273, '9')

									(0.96989711688772628, 'j')