python爬虫之 图形验证码识别脚本（自用）

Tesseract安装以及简介

因为为免费模块所以可能识别不出来！

Windows系统安装 在以下链接下载可执行文件,https://github.com/tesseract-ocr/

• 设置环境变量
  把tesseract.exe所在的路径添加到PATH环境变量中。
  还有一个环境变量需要设置的是，要把训练的数据文件路径也放到环境变量中。

TESSDATA_PREFIX=路径\Tesseract-OCR\tessdata

• 在Python中调用Tesseract:

pip install pytesseract

进入cmd输入下面的命令查看版本，正常运行则安装成功

tesseract --version

• 在命令行中使用tesseract
tesseract 图片路径 文件路径

tesseract demo.png a

识别中文图像,需要下载语言安装包

URL地址：https://github.com/tesseract-ocr/tessdata

需要下载到Tesseract-OCR\tessdata路径下

在代码中使用tesseract识别图像

import pytesseract
from PIL import Image
pytesseract.pytesseract.tesseract_cmd = r'路径\Tesseract-OCR\tesseract.exe'
tessdata_dir_config = r'--tessdata-dir "路径\Tesseract-OCR\tessdata"'
image = Image.open('要识别图片.png')
print(pytesseract.image_to_string(image, lang='eng',  config=tessdata_dir_config))

打码云平台

链接http://www.ttshitu.com/

脚本

import json
import requests
import base64
from io import BytesIO
from PIL import Image
from sys import version_info


def base64_api(uname, pwd,  img):
    img = img.convert('RGB')
    buffered = BytesIO()
    img.save(buffered, format="JPEG")
    if version_info.major >= 3:
        b64 = str(base64.b64encode(buffered.getvalue()), encoding='utf-8')
    else:
        b64 = str(base64.b64encode(buffered.getvalue()))
    data = {"username": uname, "password": pwd, "image": b64}
    result = json.loads(requests.post("http://api.ttshitu.com/base64", json=data).text)
    if result['success']:
        return result["data"]["result"]
    else:
        return result["message"]
    return ""


if __name__ == "__main__":
    img_path = "C:/Users/Administrator/Desktop/file.jpg"
    img = Image.open(img_path)
    result = base64_api(uname='你的账号', pwd='你的密码', img=img)
    print(result)