在我们爬虫的时候,经常会遇到验证码的问题,pytesseract就可以来解决对验证码的识别
- 安装pytesseract
pip insatll pytesseract
pip install pillow
直接提取tesseract:
链接:https://pan.baidu.com/s/1qDW8vvh30l0usUi9p1bjzQ
提取码:lmu2
注意:提取的是tesseract,是用来在window命令框中演示用的,如果不在python代码中识别,这就够用了,而pytesseract是对tesseract的二次封装,他会调用tesseract.exe,所以如果想要在python代码中使用,则需要pytesseract
安装过程中选择中文和数字识别包(也可以全选,这样浪费点时间):
- 配置全局变量
D:\Program Files (x86)\Tesseract-OCR
配置完成后在命令行输入tesseract -v,如果出现如下图所示,说明环境变量配置成功 - 测试
在命令行中tesseract image.png result.txt image.png为路径图片 result.txt为识别出来的结果(图片和结果路径自己设置)
4.使用python代码测试
import requests
from PIL import Image
import pytesseract
from lxml import etree
import time
from pymysql import *
def verification(name):
"""验证码 验证"""
response = requests.get(verification_code, headers=headers)
# 将验证码图片保存
with open("x1.jpg", "wb") as f:
f.write(response.content)
# 将验证码图片变为可以识别的分辨率
image = Image.open("x1.jpg")
resized_image = image.resize((61, 31), Image.ANTIALIAS)
# resized_image.save("sh1.jpg")
#
# # 对图片验证码进行读取(提取文字)
# im = Image.open("sh1.jpg")
text = pytesseract.image_to_string(resized_image).strip()
print(text)
- text就是识别出来的验证码,拿到验证码之后,就可以操作自己想操作的了