目录

一、背景简介

二、安装

三、使用

四、总结

---

一、背景简介

        在做项目中，因为涉及到一些爬虫、自动化方面的内容，但现在网站上多少都有一些验证码识别验证。项目需要通过某种技术去自动识别输入验证码。ocr识别就可以解决这类问题

        单单对于验证码来说，验证码以干扰等级也有不同划分，简单的验证码，一般体现在验证码图片上无干扰，只有简洁的验证字符。而复杂的验证码则是有不同颜色的线，横穿验证字符。还有就是验证码中的字符凑在一起的情况，这样在识别时，模型很容易就会认为是一个字符。下面则是博主遇到的两种难搞的验证码。

        ddddocr是一个python的包，内置了通过大量验证码训练出来的验证码ocr识别模型，python引入后直接可以调用识别验证码。识别率亲测还是蛮高的。对比paddleocr，因为paddleocr主要不是做验证码识别的，所以对复杂的验证码识别不太准确。但是可以通过自己训练ocr模型去使用，也是可以解决一部分问题的。

二、安装

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

三、使用

import ddddocr
from PIL import Image

# 读入图片
img = Image.open('test.png')

# 初始化dddocr并识别
ocr = ddddocr.DdddOcr()
result = ocr.classification(img)
print(result)

四、总结

        实验一番下来发现，ddddocr对有干扰线类型的验证码识别率很高。看GitHub介绍文档，这是因为其训练的样本包含这种类型的验证码（还得是训练），所以它内置的ocr模型也可以很好的识别出来。此外，ddddocr还可以识别点选验证码、滑块验证码等等，具体可以去ddddocr GitHub项目地址 查看学习。

        也发现了不足的地方，就是对于紧凑型验证码并没有很好的识别出来。当然不能要求太高，这是所有ocr识别很难攻克的点（我觉得）。

        因为之前也使用过paddleocr去试着识别验证码，但效率不太好。那么如果使用paddleocr针对验证码去做相关的训练，那这样的模型是不是也可以达到同ddddocr差不多的识别率呢？有大佬知道的可以交流下，当然后续有时间也会去学习验证一下这点。