python爬虫破解自如图片数字（用Tesseract）

当我们爬取ziru等网站时会发现数字其实是图片截取下来的内容，所以需要图像识别

mac安装使用tesseract-ocr

ubuntu用sudo apt-get install tesseract-ocr

1.brew安装

这里使用brew安装，没有的话先安装brew，推荐直接安装第四个也就是brew install tesserace，依赖库会自动进行安装

//先安装依赖库libpng, jpeg, libtiff, leptonica
brew install leptonica

//安装tesseract的同时安装训练工具
brew install --with-training-tools tesseract

//安装tesseract的同时安装所有语言，语言包比较大，如果安装的话时间较长，建议不安装，按需选择
brew install  --all-languages tesseract

//安装tesseract，并安装训练工具和语言
brew install --all-languages --with-training-tools tesseract 

//只安装tesseract，不安装训练工具
brew install tesseract

2.下载语言库

下载地址:https://github.com/tesseract-ocr/tessdata
根据自己的需求选择所要的语言库，在这里我们选择的是简体中文所以选择的库是：chi_sim.traineddata、eng.traineddata
将文件拷贝到到：/usr/local/Cellar/tesseract/你的版本号/share/tessdata目录下。
Tesseract使用测试
终端输入命令:tesseract --help
//默认使用eng文字库， imgName是图片的地址，result识别结果

tesseract imgName result

3.安装pytesseract并使用

这个是python和tesseract交互用的库，直接pip安装即可
然后下面是解析图片的源码：

import io
from PIL import Image
import pytesseract

    def parse_img(self, img_url):