pytesseract的使用 | python识别验证码

最新推荐文章于 2025-06-01 21:09:33 发布

原创最新推荐文章于 2025-06-01 21:09:33 发布 · 1.2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python #爬虫 #图像识别

爬虫专栏收录该内容

12 篇文章

订阅专栏

本文详细介绍了如何安装和配置 tesseract 和 pytesseract 库，进行图像中的验证码识别。通过图像降噪和阈值处理提高识别准确率，并提供了代码示例进行网站验证码的抓取和识别，虽然不能保证每次都能正确识别，但通常在多次尝试后能获得正确结果。

1. 安装tesseract

详见：
https://blog.youkuaiyun.com/lijiamingccc/article/details/119459775

2.安装pytesseract

在pycharm终端下，安装 pytesseract，如图所示

pip install pytesseract

在这里插入图片描述

3. 修改包中部分代码

在这里插入图片描述
文件中的这个路径，改成第一步你安装的位置，建议找到之后直接复制
前面加个r，是为了说明这个路径是一段字符串，防止转义

4.代码网站测试

代码：

网址可以自己随便找一个

    res = requests.get(url="x'x'x'x'x")

    with open('image.jpg', 'wb') as fw:
        fw.write(res.content)

    img = cv2.imread("image.jpg")

    # 四周置白色  图片降噪
    def around_white(img):
        w, h, s = img.shape
        for _w in range(w):
            for _h in range(h):
                if (_w <= 5) or (_h <= 5) or (_w >= w-5) or (_h >= h-5):
                    img.itemset((_w, _h, 0), 255)
                    img.itemset((_w, _h, 1), 255)
                    img.itemset((_w, _h, 2), 255)
        return img
	
    img2 = around_white(img)
    ret, img2 = cv2.threshold(img2, 150, 255, cv2.THRESH_BINARY)
	
	 # 前面需要添加一些图像降噪的操作
    code = pytesseract.image_to_string(img2,config="--psm 6 digits")
    code = re.findall('\d+',code)[0]
    print("识别的验证码为:{}".format(code))

效果：
在这里插入图片描述
识别效果不一定保证每次都正确，但是基本上5次之内都是可以成功的，这里可以写一个循环，直到成功为止。