Python爬虫学习环境配置之tesserocr安装的问题与解决

在爬虫过程中会遇到各种各样的验证码，而大多数验证码还是图形验证码，此时可以使用OCR来识别。

OCR

OCR（optical character recognition）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，他们都是一些不规则的字符。

安装tesseract

tesserocr是Python的一个OCR识别库，但其实是对tesseract做的一个封装，所以核心是tesseract。因此我们先安装tesseract。

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract

选择合适的版本下载，其中带dev的是开发版本，不稳定，推荐下载不带dev的版本。

如下载：

下载完后双击并一路next即可，过程中可以选择勾选Addition language data选项安装OCR识别语言包。

安装完成后就可以进行tesserocr安装了

安装tesserocr

打开命令行窗口，输入pip3 install tesserocr pillow进行安装，若没有出错则安装成功。

但是我在安装过程出了错误。如下：

但是“只要思想不滑坡，办法总比困难多",我们选择wheel进行安装

进入下方链接下载相应whl文件

https://github.com/simonflueckiger/tesserocr-windows_build/releases

然后再去命令行窗口进行安装下载的whl文件

如下：