前言

之前做了一個校園交友的APP，其中一個邏輯是通過用戶的教務系統來確認用戶是一名在校大學生，基本的想法是通過用戶的賬號和密碼，用爬蟲的方法來確認信息，但是許多教務系統都有驗證碼，當時是通過本地服務器去下載驗證碼，然后分發給客戶端，然后讓用戶自己填寫驗證碼，與賬號密碼一并提交給服務器，然后服務器再去模擬登錄教務系統以確認用戶能否登錄該教務系統。驗證碼無疑讓我們想使得用戶快速認證的想法破滅了，但是當時也沒辦法，最近看了一些機器學習的內容，覺得對于大多數學校的那些極簡單的驗證碼應該是可以用KNN這種方法來破解的，于是整理了一下思緒，擼起袖子做起來！

分析

我們學校的驗證碼是這樣的：，其實就是簡單地把字符進行旋轉然后加上一些微弱的噪點形成的。我們要識別，就得逆行之，具體思路就是，首先二值化去掉噪點，然后把單個字符分割出來，最后旋轉至標準方向，然后從這些處理好的圖片中選出模板，最后每次新來一張驗證碼就按相同方式處理，然后和這些模板進行比較，選擇判別距離最近的一個模板作為其判斷結果（亦即KNN的思想，本文取K=1）。接下來按步驟進行說明。

獲得驗證碼

首先得有大量的驗證碼，我們通過爬蟲來實現，代碼如下

#-*- coding:UTF-8 -*-import urllib,urllib2,cookielib,string,Imagedef getchk(number): #創建cookie對象 cookie = cookielib.LWPCookieJar() cookieSupport= urllib2.HTTPCookieProcessor(cookie) opener = urllib2.build_opener(cookieSupport, urllib2.HTTPHandler) urllib2.install_opener(opener) #首次與教務系統鏈接獲得cookie# #偽裝browser headers = { 'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 'Accept-Encoding':'gzip,deflate', 'Accept-Language':'zh-CN,zh;q=0.8', 'User-Agent':'Mozilla/5.0 (Windows NT 6.2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.111 Safari/537.36' } req0 = urllib2.Request(  url ='http://mis.teach.ustc.edu.cn',  headers = headers  #請求頭 ) # 捕捉http錯誤 try : result0 = urllib2.urlopen(req0) except urllib2.HTTPError,e: print e.code #提取cookie getcookie = ['',] for item in cookie: getcookie.append(item.name) getcookie.append("=") getcookie.append(item.value) getcookie = "".join(getcookie)  #修改headers headers["Origin"] = "http://mis.teach.ustc.edu.cn" headers["Referer"] = "http://mis.teach.ustc.edu.cn/userinit.do" headers["Content-Type"] = "application/x-www-form-urlencoded" headers["Cookie"] = getcookie for i in range(number): req = urllib2.Request(  url ="http://mis.teach.ustc.edu.cn/randomImage.do?date='1469451446894'",  headers = headers   #請求頭 ) response = urllib2.urlopen(req) status = response.getcode() picData = response.read() if status == 200:  localPic = open("./source/"+str(i)+".jpg", "wb")  localPic.write(picData)  localPic.close() else:  print "failed to get Check Code "if __name__ == '__main__': getchk(500)