第8章 验证码的识别---1、图形验证码的识别+2、极验验证码的识别

图形验证码一般是4位字母或者数字。这类验证码利用OCR识别技术识别。需要python库为tesserocr，其需要tesseract的支持，后者下载链接：https://github.com/tesseract-ocr/tesseract

下载完成后，安装过程中，需要注意，要勾选：Additional language data download 选项来安装 OCR 识别支持的语言包。

接下来，可以使用pip安装tesserocr：pip install tesserocr pillow

 

检验安装：

import tesserocr 
from PIL import Image 
image = Image.open('test.png') 
print(tesserocr.image_to_text(image))

识别测试：

import tesserocr 
from PIL import Image 
image = Image.open('code.jpg')  #建立Image对象
result=tesserocr.image_to_text(image)  #调用image_to_text方法，传入image对象
print(result)

# 简便方法如下，但效果不如上面的
import tesserocr
print(tesserocr.file_to_text('code.jpg'))

遇到验证码图片中存在多余的线条，会对识别结果产生干扰，所以要对图片进行转灰度、二值化等操作。

就如上面这个验证码：

import tesserocr
from PIL import Image

image=image.convert('L') # 传参L，图像转化为灰度图像
threshold = 80 # 设置二值化阈值为80；如若不设置，默认为127，
table=[]
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
# 类似于数组，大于阈值者，标为1；否则标为0
image=image.point(table,'1')
ima