使用pytesseract识别图片验证码

在python爬虫时，可能会遇到需要抓取验证码，识别图片中的文字等，这个时候需要对图片验证码进行识别。

一、安装模块

pip install pytesseract
pip install pillow
yum -y install tesseract-ocr

备注：windows中tesseract-ocr 下载地址请点击 ，安装步骤就是点击下一步下一步

二、对验证码识别

#!/usr/bin/env python
#-*- coding:utf-8 -*-

import pytesseract
from PIL import Image
image = Image.open('code.png')

#设置 tesseract 安装路径
pytesseract.pytesseract.tesseract_cmd = r"D:\pytesseract\Tesseract-OCR\tesseract.exe"   #这个是python3的写法
code = pytesseract.image_to_string(image)
print(code)

三、效果展示

四、tesseract识别中文

1、首先从 git 上下载对应的简体中文

https://github.com/tesseract-ocr/langdata/tree/master/chi_sim

2、在 D:\pytesseract\Tesseract-OCR 安装目录下新建任意目录，比如 tessdata，把下载好的数据放到改目录下，且把该目录加入到配环境变量PATH中。
3、测试

#查看所能识别的字体
tesseract --list-langs

#对图片识别
tesseract c.png c -l chi_sim  #就会将 c.png 识别到的图片信息保存到 c.txt 中