1. 樣本采集

首先當然是采集圖片了，對接通用模型上懟樣本就是了。

for i in range(100000):sess.headers = {"User-Agent": ua.random}sess.proxies = get_proxy()# print(get_proxy())before_url = "https://www.battlenet.com.cn/login/zh/"before_resp = sess.get(before_url)before_html = Selector(before_resp.text)csrf_token = before_html.xpath('//input[@name="csrftoken"]/@value').extract_first()session_timeout = before_html.xpath('//input[@name="sessionTimeout"]/@value').extract_first()captcha_url = "https://www.battlenet.com.cn/login/captcha.jpg"captcha_resp = sess.get(captcha_url)captcha_bytes = captcha_resp.contentprint(captcha_bytes)captcha_text = requests.post("http://127.0.0.1:19952/captcha/v3", data=captcha_bytes).json()['message']payload = {"accountName": "00000","password": ".","srpEnabled": "true","upgradeVerifier": "","useSrp": "true","publicA": public_a,"clientEvidenceM1": client_evidence_m1,"persistLogin": "on","captchaInput": captcha_text,"csrftoken": csrf_token,"sessionTimeout": session_timeout}resp_submit = sess.post(before_url, data=payload)if "找不到該暴雪游戲通行證" in resp_submit.text:tag = hashlib.md5(captcha_bytes).hexdigest()name = "{}_{}.png".format(captcha_text, tag)print('正確')true_count += 1with open(os.path.join(target_dir, name), "wb") as f:f.write(captcha_bytes)else:print('錯誤')false_count += 1# print(before_resp.text)print(true_count+false_count, captcha_text, true_count / (true_count+false_count))

采集代碼有所省略，如下圖所示，采集到正確標注的樣本。

2. 訓練

打開訓練工具
（地址：https://github.com/kerlomz/captcha_trainer）
具體教程可參考：https://www.jianshu.com/p/80ef04b16efc

首先輸入項目名，按下回車將自動生成如圖后綴

在樣本區域內導入第一步收集到的樣本

網絡部分會根據導入的樣本自動配置，打包樣本即可，如下圖：

打包完成點擊 【開始訓練】即可，如下圖：

如圖所示，已經開始訓練

驗證碼使用

部署項目：https://github.com/kerlomz/captcha_platform
編譯版（一鍵部署）：https://github.com/kerlomz/captcha_platform/releases
啟動成功如圖：

調用如圖：

如圖可見，單次識別速度在10ms以內，平均8ms，屬業內領先水準。

對接官網測試結果：

測了13次全對，識別率想必差不了。

模型下載

https://github.com/kerlomz/captcha_platform/releases

后記

順便宣傳一波麻瓜OCR識別
https://pypi.org/project/muggle-ocr/1.0/
這是一個OCR和驗證碼皆可識別的本地識別模塊，使用簡單，pip安裝，三行代碼即可調用。

import time# 第一步：導入包 import muggle_ocr# 第二步：初始化；model_type 包含了 ModelType.OCR/ModelType.Captcha 兩種 sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)# ModelType.Captcha 可識別光學印刷文本 with open(r"test1.png", "rb") as f:b = f.read() for i in range(5):st = time.time()# 第三步： 調用（識別普通OCR）text = sdk.predict(image_bytes=b)print(text, time.time() - st)# ModelType.Captcha 可識別4-6位驗證碼 sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha) with open(r"test2.jpg", "rb") as f:b = f.read() for i in range(5):st = time.time()# 第三步： 調用（識別驗證碼）text = sdk.predict(image_bytes=b)print(text, time.time() - st)

喜歡的各位可以加QQ群：857149419

總結

以上是生活随笔為你收集整理的【附源码模型】战网验证码识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。