爬虫(14)图形验证码识别tesseract工具

第十四章 图形验证码识别工具

图形识别
作为反爬的机制，图形验证码非常常见。

1.图形验证码识别工具tesseract的使用

tesseract是一种能够将图片翻译成文字的技术。是目前公认的最优秀，最准确的开源OCR库。需要安装tessrract工具，在安装前，先安装调用的工具包。pip install pytesseract 然后安装下载好的tesseract。安装完成后，要想在命令中使用，应该设置环境变量，把tesseract的文件路径添加到path环境变量里面。

除了这一个，还需要把训练数据的路径添加到环境变量中。这个只需要添加到用户变量中，不必添加到path变量中。

···········································································································
在我的“E:\BaiduNetdiskDownload\爬虫课Jerry版\20210111-第十四讲-线程上\上课代码\上课代码\demo.jpg”这个文件夹路径里有一个示例图片demo.jpg。打开是一个验证码图片，是这样子的：