Python爬虫——6.Tesseract机器视觉（配合python内置的PIL即pillow模块）

tesseract机器视觉图形识别

google公司的一个python模块，同时也提供了一个独立的软件，开源之后主要给行业提供更加方便的图形机器操作，让更多的人可以很简单的参与到人工智能的行列中！后续~建议大家可以参考学习一下google公司的tensserflow机器学习框架！

tensseract:上谷歌的网站，下载tesseract并安装，windows|macos|linux，下载windows可执行文件安装包，~安装过程中，注意~安装中文语言的支持[默认提供了100+语言库]

pytesseract：python模块，单独通过pip install pytensseract安装即可

PS：需要安装pillow()模块，包含了图形处理模块PIL

接下来，就可以在程序中使用它了！

对于验证码反爬虫操作，一般有三种解决方案 l 通过机器视觉模块tesseract进行处理，正确率极低，操作较为繁琐 l 人工打码，在表单操作过程中，如果出现了验证码操作~提示爬虫开发人员输入验证码 l 第三方打码平台：将爬虫程序接入第三方打码平台，正确率较高~【推荐】 # -*-coding:utf-8 -* # 引入机器学习模块 import pytesseract # 引入图形处理模块 from PIL import Image img = Image.open('1.jpg') tessdata_dir_config = '--tessdata-dir "C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"' text=pytesseract.image_to_string(img,config=tessdata_dir_config) print text # 即可打印指定图片中的文本