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