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 |