22 图形验证码

1. Tesseract安装以及简介

• 阻碍我们爬虫的。有时候正是在登录或者请求一些数据时候的图形验证码。因此这里我们讲解一种能将图片翻译成文字的技术。将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition)，简写为OCR。实现
  OCR的库不是很多，特别是开源的。因为这块存在一定的技术壁垒（需要大量的数据、算法、机器学习、深度学习知识等），并且如果做好了具有很高的商业价值。因此开源的库较少。这里介绍一个比较优秀的图像识别开源库：Tesseract。
  • Tesseract是一个将图像翻译成文字的OCR(光学文字识别,Optical Character Recognition),Tesseract是目前公认最优秀、最准确的开源OCR库。Tesseract具有很高的识别度，也具有很好的灵活性，他可以通过训练识别任何字体
  • Windows系统安装 在以下链接下载可执行文
    件,https://github.com/tesseract-ocr/

在Python中调用Tesseract:

pip install pytesseract

设置环境变量
安装完成后，如果想要在命令行中使用Tesseract，那么应该设置环境变量。Mac和Linux在安装的时候就默认已经设置好了。
在Windows下把tesseract.exe所在的路径添加到PATH环境变量中。还要新增把训练的数据文件路径也放到环境变量
中。 在环境变量中，添加一个

1 TESSDATA_PREFIX=D:\Tesseract-OCR\tessdata

进入cmd输入下面的命令查看版本，正常运行则安装成功

1 tesseract --version

在命令行中使用tesseract

1 tesseract demo.png a
tesseract 图片路径 文件路径

识别中文图像,需要下载语言安装包
URL地址：https://github.com/tesseract-ocr/tessdat

2. 在代码中使用tesseract识别图像

1 import pytesseract
2 from PIL import Image  图像处理库
3 pytesseract.pytesseract.tesseract_cmd = r'D:\Tesseract-OCR\tesseract.
exe'
4 tessdata_dir_config = r'--tessdata-dir "D:\Tesseract-OCR\tessdata"'
5 image