百度360必应搜狗淘宝本站头条
python类型转换python串口编程python计时python异常python进度条
当前位置：网站首页 > 技术资源 > 正文

Python爬虫:利用Tesseract-OCR实现图片验证码识别，超简单

off999 2024-10-23 12:52 31 浏览 0 评论

图/文：迷神

我们在做Python爬虫的时候，经常遇到图片验证码登陆等情况。图像验证码识别的方法也有很多种，利用Tesseract-OCR实现图片验证码识别就是其中一种，也比较简单。

Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后经由Google进行改进，消除bug，优化，重新发布。


我们准备环境：WIN10系统+Python3.6版本。

安装识别引擎

安装识别引擎tesseract-ocr。下载地址，大家可以私信 发送：识别 ，即可获取安装完整安装软件。

主要是根据自己的需要设置下安装目录即可。其他基本上一路next即可。

安装环境

先安装python识别图片的类库。命令如下：

pip install Pillow

pip install pytesseract

接下来还要设置下，让python能够调用Tesseract-OCR程序识别验证码/文字。相关路径：

修改pytesseract.py文件中第35行将tesseract_cmd指向Tesseract-OCR的tesseract.exe

中文支持：安装完之后找到tessdata目录下，将下载的chi_sim.traineddata文件放到该目录下。这样它就能识别中文了。

实现代码

识别图片：

相关代码如下：

from PIL import Image

import pytesseract

imageObject=Image.open('D:\\D://new.jpg')

print (imageObject)

print (pytesseract.image_to_string(imageObject))

直接看下最终的结果

from PIL import Image

import pytesseract

pic_content=pytesseract.image_to_string(Image.open('D:\\3.png'),lang='chi_sim')

print(pic_content)

中文识别结果，还算可以：


题外话：图片识别训练

这个只是基础，还有一些内容可能会识别不了，特别是中文的，这个时候，就需要进行训练，训练的流程如下：

安装jTessBoxEditorFX-> 获取样本.tif文件 -> Merge样本文件 –> 生成BOX文件 -> 字符矫正 -> 执行脚本文件 -> 将生成的.traineddata文件放入Tesseract-OCR\tessdata文件夹下

限于篇幅，我就不仔细说了，大家可以继续拓展研究。关于python爬虫的验证码识别，其实还有很多其他方式，更多好文章，大家可以关注后续内容哦。

相关推荐

华硕官网客服电话（华硕官网400客服电话）

华硕维修中心官网，http://www.asus.com.cn/support/你可以通过电话，邮件等方式联系华硕的售后客户，提供你的主板序列号，他会告诉你的。华硕ROG真享服务包是一项专门针对购买华...

win11如何进入安全模式（win11如何进入安全模式启动）

进入Win11安全模式有多种方法，下面介绍两种常用的方法：方法一：使用系统配置工具1.使用组合键Win+R打开“运行”对话框，输入“msconfig”并按Enter键。2.在“系统配...

网易邮箱163登录界面（网易163邮箱登陆界面）

163邮箱登录首页入口为http://mail.163.com/网易163免费邮箱--中文邮箱第一品牌.容量自动翻倍,支持50兆附件,免费开通手机号码邮箱赠送3G超大附件服务.支持各种客户端软件收发,...

win10激活注意事项（win10激活过程要多久）

1.是：KMS激活、数字许可证激活、产品密钥激活。2.KMS激活是通过KeyManagementService服务器来激活系统，它需要连接到企业内部的KMS服务器进行激活，适用于企业用户。数字...

华硕官网正品查询（华硕官网防伪查询）

登陆网站www.asus.com.cn进入网站，点击防伪查询，输入16位防伪数码，即可辨别真伪。华硕显卡sn码官网查1.打开浏览器进入华硕官方网站。2.在页面下方找到“华硕产品服务政策”类目,点击进入...

数据网络打开了连不上网怎么回事

1、如您无法上网请尝试关机开机重启；请检查是否已达本月流量封顶阀值；请检查手机设置移动数据是否已打开；手机设置流动数据选项APN及名称是否设置为3gnet。2、如仍无法上网，建议您可通过以下方式进行排...

synopsys软件（synthia软件）

PSIM是趋向于电力电子领域以及电机控制领域的仿真应用包软件。PSIM具有仿真高速、用户界面友好、波形解析等功能，为电力电子电路的解析、控制系统设计、电机驱动研究等有效提供强有力的仿真环境。本...

cmd定时关机命令设置时间（cmd定时关机怎么设置）

在WindowsXP下打开C盘，在Windows下选system32中有一个shutdown的程序，可以复制到其它系统中。“开始”--->运行--->（在输入shutdown的命令）...

笔记本电脑开机就蓝屏（笔记本电脑开机就蓝屏了）

USB：　　假如计算机处于开机的状态时USB接口上有U盘等存储设备，那么计算机就很有可能出现蓝屏现象，而且无法正常开机。因此，当计算机在开机时出现蓝屏状态时，我们首先要检查一下USB接口是否有接入U...

重置无线路由器（重置无线路由器密码）

1、将网线—路由器—电脑之间的线路连接好，启动电脑和路由器设备；2、启动设备后，打开浏览器，在地址栏中输入192.168.1.1进入无线路由器设置界面。（如进不了请翻看路由器底部铭牌或者是路由器使用说...

电脑有网却打不开网页是怎么回事
  • 电脑有网却打不开网页是怎么回事
  • 电脑有网却打不开网页是怎么回事
  • 电脑有网却打不开网页是怎么回事
  • 电脑有网却打不开网页是怎么回事
win7系统整个界面变大（win7系统整个界面变大怎么办）

解决方法：1、首先查看当前系统的桌面图标情况，发现桌面图标突然变成了超大号的了。非常难看。2、右键点击桌面空白处，分别选择“查看”，“中等图标”。3、现在再查看桌面图标，发现已经恢复了。4、还有一种方...

电脑设置一切正常就是没声音

在电脑重置后没有声音的情况下，可能有以下几种可能的原因和解决方法：1.音频驱动程序问题：电脑重置后，可能需要重新安装或更新音频驱动程序。你可以尝试重新安装声卡驱动程序，可以从电脑或声卡制造商的官方网...

eset nod32官网（esetnod32官网）

从系统性能上来说，卡巴斯基对系统的影响略大于ESETNOD32。具体表现就是，系统反应有所变慢，硬盘读写变频繁。从防护角度上来说的话……卡巴斯基的防护组件很多（商业版，免费版不在考虑范围之内），全开...

如何安装ie浏览器（怎么安装ie浏览器 win10）

方法一：一般系统自带的IE不能卸载和自己安装，如果是系统自带的可以还原系统或重装，也可用软件覆盖安装IE试试。使用系统自带的系统还原的方法：系统自带的系统还原：“开始”/“程序”/“附件”/“系统工具...

取消回复欢迎 你 发表评论:

一周热门
最近发表
标签列表
Copyright Your WebSite.Some Rights Reserved.