tesseract
Tesseract,一款由HP实验室开发由Google维护的开源OCR(Optical Character Recognition , 光学字符识别)引擎,在学习爬虫的时候可以使用其识别写图片中的验证码等。
1.安装tesseract
进入 https://github.com/UB-Mannheim/tesseract/wiki 下载tesseract,如图所示:
下载完后,进行安装,安装路径选择英文目录。
打开终端,在终端中输入pip list
查看自己是否安装了pytesseract和pillow,由于PIL很久没更新,最高支持python2.7,而pillow作为PIL的分支已经发展的更加灵活,且包含PIL的内容。
如果没有安装,则使用pip install pytesseract
pip install pillow
分别安装这两个包。安装完后,pip list
中如图所示
2.设置环境变量
安装完后,还需要到系统环境变量中设置,先在path中加入安装目录路径如图:
还需要新建一个TESSDATA_PREFIX变量,变量值为tessdata的路径如图:
3.测试是否安装好
进入终端,输入tesseract
,出现如图所示:
测试识别效果:
在这里插入图片描述