window10下tesserocr的安装详解

背景

常见的网站反爬策略中，最常见的有:限制IP访问频率，识别请求身份信息，JavaScript动态渲染，以及添加验证码。

其中验证码的反爬对于爬虫来说是一个不小的阻碍，小白如我，大多都会一脸蒙蔽。今天主要介绍的是一个能够帮助我们突破验证码反爬的py第三方库tesserocr。

按着崔大大的书装第三方库，着实方便，不过大佬的思维对于小白来说有时候跟不上，所以会导致我们在安装的过程中出现一些小BUG，无法究其缘由。希望这篇笔记能对看到的朋友有一些帮助，少走一点弯路，也是方便日后忘记之时能够顺利回忆起安装过程。

安装环境

windows10，python3.6.4

介绍

OCR,即Optical Character Recognition,光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符，这些字符串确实是由字符稍加扭曲变换得到的内容。

tesserocr 是python的一个OCR识别库，但其实是对tesserocr做的一层Python API的封装，所以它的核心是tesseract.因此，在安装tesserocr之前，我们需要先安装tesseract。

tesserocr的安装

https://digi.bib.uni-mannheim.de/tesseract/ tesseract安装链接