tesseract 图片验证码初级

最新推荐文章于 2020-08-07 14:04:40 发布

原创最新推荐文章于 2020-08-07 14:04:40 发布 · 276 阅读

0 ·

CC 4.0 BY-SA版权

爬虫同时被 2 个专栏收录

36 篇文章

订阅专栏

python基础系列

13 篇文章

订阅专栏

本文介绍如何利用Tesseract OCR工具识别图片中的文字。首先，需将图片另存为.png格式，下载并安装Tesseract，配置环境变量，然后通过Python的pytesseract库进行图片文字识别。文中提供了详细的步骤和代码示例。

另存为图片，后缀名.png
下载tesseract
配置环境变量上方新建第一空 TESSDATA_PREFIX 第二空找到tesseract.exe 右键属性，安全–对象属性
ctrl+左键 pytesseract 进入修改路径 C:\Tesseract-OCR\tesseract.exe 改成双斜杠
代码：

import pytesseract
from PIL import Image

# image = Image.open('code.png')
image = Image.open('code4.png')
# image1 = Image.open('code.png')
# image.show()

tesseract_data = '--tessdata-dir "C:\\Tesseract-OCR\\tessdata"'
#彩色图变成灰度图
image = image.convert('L')
# image.show()

#取出干扰线
# threshold = 170
threshold = 125
table = []
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table,'1')
# image.show()
image_str = pytesseract.image_to_string(image,config=tesseract_data)
print(image_str)

运行结果
E:\project\python.exe C:/Users/Administrator/Desktop/四阶xpat爬虫系列/Requests/Requests01/Requests01/day14/demo_tesseract.py
KVGi

Process finished with exit code 0