python下实现验证码识别

1. 三个文件：

• pytesseract
• PIL
• tesseract
  

  ---

上面两个直接pip，核心部件tessract是一个exe包，大概是是pytesseract调用tesseract，再通过PIL库对验证码进行识别。

---

2. bug修复

网上很多人的博客都讲述了基于pytesseract来对验证码的识别，但是按照他们的方法运行，却会报如下错

Traceback (most recent call last):
File “**.py”, line , in
vcode = pytesseract.image_to_string(image)
File “C:\Python27\lib\site-packages\pytesseract\pytesseract.py”, line 143, in image_to_string
if len(image.split()) == 4:
File “C:\Python27\lib\site-packages\PIL\Image.py”, line 1497, in split
if self.im.bands == 1:
AttributeError: ‘NoneType’ object has no attribute ‘bands’

问题应该出现在pytesseract.py的143和Image.py的1497行。进Python27\Lib\site-packages\PIL，将split函数换成如下

def split(self):
        "Split image into bands"
        self.load()
        if self.im.bands == 1:
            ims = [self.copy()]
        else:
            ims = []
            #self.load()
            for i in range(self.im.bands):
                ims.append(self._new(self.im.getband(i)))
        return tuple(ims)

这样就应该好了。问题应该是self.load()这个函数出错了，注释掉即可。

3. demo

#coding:utf-8
import requests
from PIL import Image
import pytesseract
import cStringIO
code_url = 'http://self.nwpu.edu.cn:8080/selfservice/common/web/verifycode.jsp'

file = cStringIO.StringIO(requests.get(code_url).content)
image = Image.open(file)
print pytesseract.image_to_string(image)

运行结果：4070

如demo，可以将http://self.nwpu.edu.cn:8080/selfservice/common/web/verifycode.jsp 的验证码识别

4. 参考资料

http://blog.bear2.cn/
http://range.pw/?p=16

【更新 2015-11-23】
今天某学弟按照我的方法来处理时，出现了 encoder jpeg not available的问题，应该是libjpeg-dev的问题，linux 下安装这个库即可，windows下略麻烦，学弟他的处理方法是安装了别人编译好的PIL文件，一次性解决了这些问题