Python爬虫——6.Tesseract机器视觉（配合python内置的PIL即pillow模块）

最新推荐文章于 2024-03-23 11:56:03 发布

一杯海风

最新推荐文章于 2024-03-23 11:56:03 发布

阅读量823

点赞数 1

分类专栏：基础篇

本文链接：https://blog.youkuaiyun.com/liyahui_3163/article/details/79068231

版权

基础篇专栏收录该内容

47 篇文章

订阅专栏

本文介绍了如何使用 Google 开源的 Tesseract OCR 工具及 Python 模块 Pytesseract 进行图形文字识别，并提供了安装指导及简单示例代码。同时，文章对比了几种验证码处理方法，包括使用 Tesseract 的优缺点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tesseract机器视觉图形识别

google公司的一个python模块，同时也提供了一个独立的软件，开源之后主要给行业提供更加方便的图形机器操作，让更多的人可以很简单的参与到人工智能的行列中！后续~建议大家可以参考学习一下google公司的tensserflow机器学习框架！

tensseract:上谷歌的网站，下载tesseract并安装，windows|macos|linux，下载windows可执行文件安装包，~安装过程中，注意~安装中文语言的支持[默认提供了100+语言库]

pytesseract：python模块，单独通过pip install pytensseract安装即可

PS：需要安装pillow()模块，包含了图形处理模块PIL

接下来，就可以在程序中使用它了！

对于验证码反爬虫操作，一般有三种解决方案

l 通过机器视觉模块tesseract进行处理，正确率极低，操作较为繁琐

l 人工打码，在表单操作过程中，如果出现了验证码操作~提示爬虫开发人员输入验证码

l 第三方打码平台：将爬虫程序接入第三方打码平台，正确率较高~【推荐】

# -*-coding:utf-8 -*
# 引入机器学习模块
import pytesseract
# 引入图形处理模块
from PIL import Image

img = Image.open('1.jpg')
tessdata_dir_config = '--tessdata-dir "C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"'

text=pytesseract.image_to_string(img,config=tessdata_dir_config)
print text

# 即可打印指定图片中的文本