前言

本來，計劃這篇是講講怎麼獲取生成驗證碼的原始碼來反向獲取驗證碼的，畢竟tesserocr的識別率有點感人，而且還需要調二值，一旦網站做了檢驗，比如同一個驗證碼重試幾次不成功則拉黑或者更換新驗證碼，那就gg了；
但依然對影象識別放不了，這些玩意，明顯是條財路啊，而且肯定有解決方案，不然怎麼會有打碼平臺？
這不，直接某度找收費OCR，一頓出來，top2個廣告位就是放著百度跟騰訊的，當日往下翻，還有其他的不知名，為了安全起見，就介紹下BAT的；

1.百度雲OCR

官方接入文件: 文字識別-Python SDK接入文件

重點：有免費服務
通用識別（包括身份證、銀行卡）500次/日，
高精度則50次/日，
駕駛證，行駛證，車票，營業執照，通用票據均為200次/日

對於用來除錯的指令碼，500次足夠了~

對了，支援2.7.+及3.+;

1.2 配置流程：

1）先開通個百度的賬號；
2）開通文字識別服務，開啟後點選立即使用：https://cloud.baidu.com/product/ocr.html
3）點選步驟2，應該有個資訊確認的，確認後，會進入到使用者個人首頁，向下滑動，直接點選文字識別;

4）點選建立應用，輸入一堆內容後，點選確認即可，然後點選我的應用，這裡面的API Key 跟Secret Key需要使用到；

5)點選右上角，使用者中心，使用者ID也需要用到；

6）需要的資訊準備好了，pip安裝一波

pip install baidu-aip
複製程式碼

看到後面的success，good~

1.3 體驗一番:

from aip import AipOcr

""" 你的 APPID AK SK """
APP_ID = '你的APP ID'
API_KEY = '你的API KEY'
SECRET_KEY = '你的SECRET KEY'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

#讀取圖片
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

image = get_file_content('juejin.jpg')
""" 呼叫通用文字識別, 圖片引數為本地圖片 """
result = client.basicGeneral(image)

if 'words_result' in result:
    print(result)
複製程式碼

驗證的圖片如下：

結果走一波：

從結果看，都識別對了，牛逼啊，果然收費就是不一樣~
但是結果那，有2個words，但內容都是對的，從返回的結果，也不難分析出：
words_result_num是識別結果數;
words_result是定位和識別結果陣列;
words是識別結果字串

那如果要提煉下，則最後的print需要處理下~

#返回的格式
{'log_id': 8443096175124270990, 'words_result_num': 2, 'words_result': [{'words': '掘金'}, {'words': '首頁沸點小冊開源庫活動'}]}


#直接把所有的words都拼接起來
''.join([w['words'] for w in result['words_result']])

#上面 這句話，也可以拆分成這樣：

key = []

if 'words_result' in result:
    #先把words_result的內容提取出來
    for w in result["words_result"]:
        #在把words裡面的內容提取出來
        key.append(w["words"])
#然後用join進行拼接
print("".join(key))
複製程式碼

ok,為了好看點，簡單封裝下，但遇到個問題：

提示沒有APP_ID這個引數，這情況不對，因為這個名稱是官網的例子;
官網的方式是傳參，而我們是封裝好了，唯一的可能性，原始碼裡面真不叫APP_ID；

ok，那就把引數都修改成appId,apiKey,secretKey，整體程式碼如下：

from aip import AipOcr

""" 你的 APPID AK SK """
config = {
    "appId": 'xxx',
    "apiKey":'xxx',
    "secretKey":'xxx'
}

client = AipOcr(**config)

""" 讀取圖片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

def get_image_str(image_path):
    image = get_file_content(image_path)

    """ 呼叫通用文字識別, 圖片引數為本地圖片 """
    result = client.basicGeneral(image)

    #結果拼接返回輸出
if 'words_result' in result:
    return ''.join([w['words'] for w in result['words_result']])

if __name__ == "__main__":
    print(get_image_str("juejin.jpg"))
複製程式碼

原始碼都在這裡了，那我們一起來看看，上篇微博那個驗證碼能識別出來嗎？

1.4 驗證碼走一波

圖1：

使用預設介面：

還是有點異常，但基本是對的，那用下高精度的介面：

果然，高精度就準確了，怪不得每天只能免費50次；

圖2：

高精度介面：

網路圖片介面：

眾介面嘗試過，舉例正常顯示還差那麼一點點；

圖3：

高精度介面：

嘗試其他介面，顯示的內容都不搭邊；
空心驗證碼，是要逆天啊~

最後，皮一張：

高精度介面：

內容不對，已經在預料之內了，但，貌似輸出的結果，沒有佈局的概念？？？

懷著本能，想看看原始碼是怎麼實現的，吊炸天了,結果一看：

圖片變成BASE64處理的字串，然後就發起了請求，再然後就是想到響應裡面返回的內容：

1.5 百度雲OCR總結

每日限量免費，而且還是500次，這點很吸引人；
提供高精度的介面，中文辨識還可以；但圖形驗證碼，尤其空心驗證碼基本失效；

關於原理嘛，找了半天也沒找到半點訊息，畢竟，人家是要收費的~

2 阿里雲OCR

官方接入文件：
https://help.aliyun.com/document_detail/50191.html?spm=a2c4g.11186623.6.618.UdvRRo

阿里也是有免費的，每個月3K張;

支援的Python版本為2.7以上

2.2 配置流程

1）開通阿里雲賬號
2）開通內容檢測api：
https://www.aliyun.com/product/cdi/
3）開通後，登入網站：
https://home.console.aliyun.com/new?spm=a2c4g.11186623.2.3.tZ4rrv#/
點選右上角使用者中心，點選accesskeys，開通即可

4）pip安裝一波：
預設用的是python3.X哈

pip install aliyun-python-sdk-core-v
pip install -v aliyun-python-sdk-green==3.1.0
複製程式碼

好了，接下來不介紹了，原因嘛，官網資訊比較亂，沒有很好區分2.X跟3.X，導致跑起來一堆問題，白白浪費好幾個小時~坑爹！！！

3 騰訊雲OCR

每個月免費1K條，不區分型別，只有常規的身份證，名片，駕駛證等；

官網接入文件：
https://cloud.tencent.com/document/product/641/12440

3.2 配置流程

1）申請騰訊雲賬號；
2）開通文字識別OCR許可權：
https://cloud.tencent.com/product/ocr
3）開通後，登陸下面的連結，點選新建金鑰即可：
https://console.cloud.tencent.com/cam/capi

4)Bucket管理，開啟連結，點選繫結Bucket，新建即可，要的是Bucket Name
https://console.cloud.tencent.com/ci/bucket

5)pip一下：

pip3 install qcloud_image
複製程式碼

3.3 初體驗

from qcloud_image import Client
from qcloud_image import CIUrl, CIFile, CIBuffer, CIUrls, CIFiles, CIBuffers
appid = '你的appid'
secret_id = '你的secret_id'
secret_key = '你的secret_id'
bucket = '你的secret_id'
client = Client(appid, secret_id, secret_key, bucket)
client.use_http()
client.set_timeout(30)

print (client.namecard_detect(CIFiles(['ok.jpg'])))
複製程式碼

嗯，能執行起來，後臺返回了：

{'result_list': [{'code': -5201, 'message': 'OCR_NOT_ENOUGH_TEXTLINES', 'filename': 'ok.jpg', 'data': {}}], 'httpcode': 400}
複製程式碼

但是沒有找到比較詳細的api文件，沒辦法分析，看官網資訊，貌似還要自己寫請求？？也折騰了不少時間，不想折騰下去了，時間寶貴；

小結

本文結束了BAT3個平臺的收費OCR，其中只有百度成功接入使用;
騰訊是因為API資訊不太，導致能接入並且成功跑起來，但是不知道怎麼處理；
阿里是因為文件上用的還是2.X的，而且沒有說明3.X怎麼使用等情況，沒法順利跑起來

從免費上看，還是百度大氣，每天300條免費，騰訊跟阿里相對的，就少很對；
不過不得不說，百度的對於中文處理的太好了，基本都能識別到;

問題

既然是百度，對於空心的驗證碼，依然束手無策；
而且這還是收費平臺，難道就沒法解決嗎？

謝謝大家~