Python-中国裁判文书网爬虫

获取分类类目及其数据量信息 根据搜索条件采集数据 根据DocID采集相关文书具体信息 根据DocID下载相关doc文档 一级验证码识别

#-*-encoding:utf-8-*-
“““
author: sixseven
date: 2018-05-16
topic: 使用opencv进行验证码识别
contact: 2557692481@qq.com
“““
import cv2
import numpy as np

# 两张图片的相似程度
def mse（image1image2）:
	err = np.sum（（image1.astype（float）-image2.astype（float））**2）
	err /= float（image1.shape[0]*image1.shape[1]）
	return err

# 切割后的验证码最接近什么数字/字母
def compare（image）:
	count = 999999
	result = 0
	for i in range（09）:
		image_com = cv2.imread（‘./train/{0}.jpg‘.format（i））
		mse_res = mse（imageimage_com）
		if mse_res < count:
			result = i
			count = mse_res
	return result

# 验证码识别
def distinguish（filename）:
	# 读取图片
	image = cv2.imread（filenamecv2.IMREAD_GRAYSCALE）

	# 擦除噪点和干扰线
	kernel = np.ones（（11）np.uint8）
	erosion = cv2.erode（imagekerneliterations=1）

	# 模糊操作
	blurred = cv2.GaussianBlur（erosion（55）0）

	# 边界
	edged = cv2.Canny（blurred3060）

	# 膨胀
	dilation = cv2.dilate（edgedkerneliterations=1）

	# 侦测轮廓
	imagecontourshierarchy = cv2.findContours（dilation.copy（）cv2.RETR_TREEcv2.CHAIN_APPROX_SIMPLE）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-18 13:56  wenshu_spider-master\
     文件          29  2018-10-18 13:56  wenshu_spider-master\.gitattributes
     文件        6256  2018-10-18 13:56  wenshu_spider-master\README.md
     文件        1215  2018-10-18 13:56  wenshu_spider-master\checkCode.jpg
     文件        1868  2018-10-18 13:56  wenshu_spider-master\checkcode.py
     文件        1521  2018-10-18 13:56  wenshu_spider-master\content.html
     文件       14421  2018-10-18 13:56  wenshu_spider-master\court.py
     文件       58219  2018-10-18 13:56  wenshu_spider-master\docid.js
     目录           0  2018-10-18 13:56  wenshu_spider-master\download\
     文件       15159  2018-10-18 13:56  wenshu_spider-master\download\褚林忠盗窃一审刑事判决书.doc
     文件         138  2018-10-18 13:56  wenshu_spider-master\requirements.txt
     文件         724  2018-10-18 13:56  wenshu_spider-master\split.jpg
     目录           0  2018-10-18 13:56  wenshu_spider-master\train\
     文件         717  2018-10-18 13:56  wenshu_spider-master\train\0.jpg
     文件         689  2018-10-18 13:56  wenshu_spider-master\train\1.jpg
     文件         750  2018-10-18 13:56  wenshu_spider-master\train\2.jpg
     文件         723  2018-10-18 13:56  wenshu_spider-master\train\3.jpg
     文件         680  2018-10-18 13:56  wenshu_spider-master\train\4.jpg
     文件         714  2018-10-18 13:56  wenshu_spider-master\train\5.jpg
     文件         721  2018-10-18 13:56  wenshu_spider-master\train\6.jpg
     文件         665  2018-10-18 13:56  wenshu_spider-master\train\7.jpg
     文件         744  2018-10-18 13:56  wenshu_spider-master\train\8.jpg
     文件       72146  2018-10-18 13:56  wenshu_spider-master\vl5x.js