这是一个创建于 3079 天前的主题，其中的信息可能已经有所发展或是发生改变。
受爱国青年的影响，最近喜欢读人民日报。人民日报网站提供 pdf 下载，每一页一个 pdf 文件。本来很好的一件事，我可以弄个脚本每天自动下载、合并一张报纸的十几个 pdf ，回家后就可以看了（本地报纸我就是这么弄的）。但是，人民日报选择给人民制造一点麻烦，就是下载每一页报纸都要输入验证码。验证码很简单，就是 4 个等宽数字，如下图：
由于我不会编程，咨询一下有没有简单方便的识别方法可用，比如 python 的，最终目的就是在脚本里方便的将验证码识别并提交，然后下载对应的文件（ curl ）。
由于我不会编程，咨询一下有没有简单方便的识别方法可用，比如 python 的，最终目的就是在脚本里方便的将验证码识别并提交，然后下载对应的文件（ curl ）。
 |
1
scnace 2016-07-24 10:09:17 +08:00 via Android
尝试一下 ocr
|
 |
2
int64ago 2016-07-24 10:11:05 +08:00 via Android
不需要 OCR ，这种是最简单的，过滤背景-分割-对比
|
 |
3
jswh 2016-07-24 11:29:23 +08:00
|
 |
4
niboy 2016-07-24 11:36:06 +08:00
PIL
|
 |
5
dotpig OP 发现有 PyTesser 可用。悲剧的是，我发现人民日版数字版其实要钱的，下了三页以后就要求输入订阅帐号了。那我只能上网学习人民日报了。
|
 |
6
Garantion 2016-07-24 12:14:31 +08:00
最简单的 KNN 即可 Github 上一搜一大把
|
 |
7
yangxiongwei 2016-07-24 12:15:28 +08:00
|
 |
8
tscat 2016-07-24 12:17:56 +08:00
二值化之后 ocr 就行
|
 |
9
klesh 2016-07-24 13:16:33 +08:00
会 python 不会编程？
|
 |
10
bazingaterry 2016-07-24 13:22:52 +08:00 via iPhone
这个和我校的教务系统很像，我处理的时候直接 OCR 就有 70% 成功率。
|
 |
11
popok 2016-07-24 13:50:21 +08:00
|
|
12
popok 2016-07-24 14:04:59 +08:00
 新建工程，然后每个数字都做一个字模，然后生成 cds 文件，用 python 调用一个 dll ，加载这个字模文件，就能识别了 |
 |
13
coolzjy 2016-07-24 14:15:02 +08:00  1
这种类型的验证码，曾经用 JavaScript 搞了一个在浏览器环境中识别的。
http://coolzjy.github.io/captcha-reader/ |
 |
15
fusae 2016-07-24 16:12:15 +08:00
|
|
16
fusae 2016-07-24 16:13:46 +08:00
|
 |
17
DaCong 2016-07-24 16:30:00 +08:00
我记得我曾经搞过一个类似的，好像是教务系统的。
说一下大致思路： 1. 图片降噪 2. OCR 识别 |
 |
20
panda0 2016-07-25 08:36:24 +08:00
tesseract 我刚试了下，好像毫无难度。
|
|
21
dotpig OP 各位，看到大家的回复，很感谢。我在 5 楼说了，找到 PyTesser 了（基于 tesseract ）。但是现在找到也没用，因为人民日报电子版需要订阅才能看。
|
Select Language