Python使用Pillow库识别动态验证码的完整流程与局限分析

白榆

发布时间：2026-10-16 | 7人浏览过

原创

本文详解如何利用Python的Pillow库破解动态验证码。内容涵盖从Python 2.7环境配置到具体代码实现，包括将图片转换为8位像素模式、提取颜色直方图、筛选关键颜色并进行二值化处理。同时指出该方法在Windows环境下的编码报错风险及适用场景的局限性，为爬虫开发者提供基础参考。

在登录微博或邮箱等日常操作中，验证码是常见的安全验证手段。对于从事数据采集工作的开发者而言，验证码往往构成爬虫程序的主要障碍。本文旨在解析验证码的基本特征，并演示如何使用Python中的Pillow库实现验证码的自动识别与破解。

环境配置

Python 2.7
Pillow 模块

需注意，Python 2.7版本的支持已于2020年结束，当前下载依赖包时常出现报错。尽管建议升级至Python 3.7或更高版本，但本文示例仍基于Python 2.7环境进行演示。

识别验证码的完整代码包下载地址为：python_captcha_jb51.rar

安装 pillow（PIL）库


sudo apt-get update
sudo apt-get install python-dev libtiff5-dev libjpeg8-dev zlib1g-dev libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk
sudo pip2 install pillow

识别过程

首先将验证码文件python_captcha解压至当前运行目录，随后在该目录下新建名为crack.py的Python脚本文件，用于编写识别逻辑。


#-*- coding:utf8 -*-
from PIL import Image

im = Image.open("captcha.gif")
#（将图片转换为8位像素模式）
im.convert("P")

# 打印颜色直方图
print im.histogram()

输出：

颜色直方图中的每一个数值，代表了图像中对应颜色索引的像素点数量。

每个像素点可表示256种颜色。观察直方图可知，白色像素数量最多（在索引255处，即最后一位，统计显示有625个白色像素）。红色像素主要集中在索引200附近。通过对这些数据进行排序，可以筛选出对识别有用的颜色信息。


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

输出：

通过排序我们获得了图像中出现频率最高的10种颜色。其中，索引220和227分别对应我们需要识别的红色数字和灰色背景。利用这一信息，我们可以构建一张黑白二值化图片，从而突出验证码内容。


#-*- coding:utf8 -*-
from PIL import Image

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

输出：