Python 结合 Tesseract OCR 识别验证码

在许多自动化场景中，我们需要解析验证码，例如爬虫自动登录或数据采集。本篇文章介绍如何使用 Python + Tesseract OCR 进行验证码识别，并优化识别效果。

1. 环境准备
1.1 安装 Tesseract OCR
Windows 用户
前往 Tesseract OCR GitHub 下载安装包。
安装后，将 tesseract.exe 路径添加到系统环境变量（如 C:\Program Files\Tesseract-OCR\tesseract.exe）。
Linux/macOS 用户

# Ubuntu
sudo apt update && sudo apt install tesseract-ocr  

# macOS（Homebrew）
brew install tesseract
安装完成后，检查是否成功：

bash

tesseract --version
1.2 安装 Python 依赖
在 Python 中，我们使用 pytesseract 作为 Tesseract OCR 的接口，并使用 Pillow 处理图像。

bash

pip install pytesseract pillow opencv-python numpy
2. 代码实现：识别验证码
2.1 Python 代码示例
python

import pytesseract
from PIL import Image, ImageFilter, ImageOps
import cv2
import numpy as np

# 配置 Tesseract OCR 路径（Windows 需要手动指定）
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"  

def preprocess_image(image_path):