В автоматическом режиме запускает приложение hrome под ОС windows, входит в аккаунт wmail.ru, обходит валидацию. Выполняет все задания в раздел платные письма, на основе машинного обучения с точностью 98% определяет капчи контроля бота, а также выполняет платное задание в по просмотру, с обходом похожей капчи, но уже из 5-ти цифр.

Цель проекта создать на основе машинного обучения анализ капчи и применить ее.

Содержание проекта:

• папка data - место хранения исходных капч (5 цифр)

• папка cropd capcha - место хранения отредактированной капчи

• папка output - место хранения обученной модели

• папка test - место хранения подготовленных к анализу капч (по 1 цифре)

• папка result analiz - место хранения уже проанализрованных цифр (каждая в свей папке).

• analiz_and_sort.ipynb - файл прогона анализа в google colab с результатами

• analiz_and_sort.py - файл анализа составлен в pycharm, но для того что бы не нагружать машину и время, адаптирован под colab

• data_collection.py - файл который собирал капчи, пользуясь уязвимостью WMmail

• main.py - стартовый бот, который использовал те же библиотке selenium, для тренировки

• mydatabase.db - база на sqllite3 для сохранения результатов работы

• parcer.py - основной файл бота, который применяет обученную модель

• README.md - описание проекта

• task.py - задания, выполняемый по отдельному алгоритму

• transform_captcha.py - преобразование исходной капчи и ее сохраниние для дальнейше обработки

• transform_captcha_step_2.py - конечное преобразование капчи для анализа

Библиотеки применяемые в боте:

• selenium - основная библиотека работы с браузером и элементами сайта
• time - работа с временными переменными
• PIL, cv2 - работа с изображениями
• keras, argparse, pickle - машинное обучение капчи и ее применение