介紹

在爬蟲(chóng)過(guò)程中，難免會(huì)遇到各種各樣的驗(yàn)證碼，而大多數(shù)驗(yàn)證碼還是圖形驗(yàn)證碼，這時(shí)候我們可以直接用 OCR 來(lái)識(shí)別。

tesserocr?是 Python 的一個(gè) OCR 識(shí)別庫(kù) ，但其實(shí)是對(duì) tesseract 做的一 層 Python API 封裝，所以它的核心是 tesseract。 因此，在安裝 tesserocr 之前，我們需要先安裝 tesseract 。

例如：對(duì)于下圖的驗(yàn)證碼，我們可以通過(guò) OCR 技術(shù)將其轉(zhuǎn)換成電子文本，然后爬蟲(chóng)將識(shí)別的結(jié)果提交給服務(wù)器，便可以達(dá)到自動(dòng)識(shí)別驗(yàn)證碼的過(guò)程。

??

相關(guān)鏈接

tesserocr GitHub:?https://github.com/sirfz/tesserocr

tesserocr PyPI:?https://pypi.python.org/pypi/tesserocr

tesseract 下載地址:?http://digi.bib.uni-mannheim.de/tesseract

tesseract GitHub:?https://github.com/tesseract-ocr/tesseract

tesseract 語(yǔ)言包:?http://github.com/tesseract-ocr/tessdata

tesseract 文檔:?https://github.com/tesseract-ocr/tesseract/wiki/Documentation

Windows下的安裝

在 Windows 下，首先需要下載 tesseract，它為 tesserocr 提供了支持。

進(jìn)入下載頁(yè)面，可以看到有各種 .exe 文件的下載列表，這里可以選擇下載 3.0 版本 。 如下圖所示為 3.05 版本 。

其中文件名中帶有 dev 的為開(kāi)發(fā)版本，不帶 dev 的為穩(wěn)定版本，可以選擇下載不帶 dev 的版本， 例如可以選擇下載 tesseract-ocr-setup-3 .05.01.exe。

下載完成后雙擊運(yùn)行，安裝程序。需要注意的是，需要句選 Additional language data(download）選項(xiàng)來(lái)安裝 OCR 識(shí)別支持的語(yǔ)言包，這樣 OCR 便可以識(shí)別多國(guó)語(yǔ)言 。

給tesseract配置環(huán)境變量：

（1）將tesseract安裝路徑添加到path環(huán)境變量中

（2）將tesseract的語(yǔ)言包添加到環(huán)境變量中，在環(huán)境變量中新建一個(gè)系統(tǒng)變量，變量名稱(chēng)為T(mén)ESSDATA_PREFIX，tessdata是放置語(yǔ)言包的文件夾，一般在你安裝tesseract的目錄下，即tesseract的安裝目錄就是tessdata的父目錄，把TESSDATA_PREFIX的值設(shè)置為它即可

?

?

?

接下來(lái) ， 再安裝 tesserocr 即可：

#pip install tesserocr pillow

pip install Pillow==5.2.0?

pip install pytesseract==0.2.4

驗(yàn)證安裝

測(cè)試樣例：

圖片下載：http://images.cnblogs.com/cnblogs_com/Jimc/1316973/o_image.png

?（1）用 tesseract 命令測(cè)試：

tesseract image.png result -l eng

?運(yùn)行結(jié)果如下：

Tesseract Open Source OCR Engine v3.05.01 with Leptonica

（2）利用 Python 代碼測(cè)試：

# coding=utf-8

import pytesseract
from PIL import Image

# open image
image = Image.open('./test.png')
code = pytesseract.image_to_string(image, lang='chi_sim')
print(code)

運(yùn)行結(jié)果如下：

PythonWebSpider

另外，還可以直接調(diào)用?tesserocr 模塊的 file_to_text() 方法，可以達(dá)到同樣的效果：

import pytesseract print(pytesseract.file_to_text('image.png'))

運(yùn)行結(jié)果如下：

PythonWebSpider

如果成功輸出結(jié)果，則證明 tesseract 和 tesserocr 都已經(jīng)安裝成功。

?

轉(zhuǎn)載于:https://www.cnblogs.com/winstonsias/p/11451866.html

總結(jié)

以上是生活随笔為你收集整理的Python第三方模块tesserocr安装的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。