ocr初体验，Tesseract，简单的图片验证码识别

图片验证码现在已经不怎么多了，打码平台都已经没什么市场了，现在随便一个现成的通杀库都可以识别所有类型的图片验证码，于是乎稍微大一点的网站都会使用滑块、点选这些行为验证来防刷、防爬了！

一般很多图片验证码、各种滑块都是使用Python来训练的，往大了说这些都属于神经网络的事情了，需要大量的数据、算法、机器学习、深度学习知识等，并且如果做好了具有很高的商业价值，因此开源的比较少。

这里介绍一个比较优秀的图像识别开源库：Tesseract

将图片翻译成文字一般被成为光学文字识别（Optical Character Recognition），简写为OCR

Tesseract

Tesseract是一个OCR库，目前由谷歌赞助，Tesseract是目前公认最优秀、最准确的开源OCR库。Tesseract具有很高的识别度，也具有很高的灵活性，他可以通过训练识别任何字体。

安装

Windows系统：

在以下链接下载可执行文件，然后一顿点击下一步安装即可（放在不需要权限的纯英文路径下）：https://github.com/tesseract-ocr/

Linux系统：

可以在以下链接下载源码自行编译：

https://github.com/tesseract-ocr/tesseract/wiki/Compiling

或者在ubuntu下通过以下命令进行安装：

sudo apt install tesseract-ocr

Mac系统：

用Homebrew即可方便安装：

brew install tesseract

设置环境变量：

安装完成后，如果想要在命令行中使用Tesseract，需要设置环境变量

Mac和Linux在安装的时候就默认已经设置好了
Windows下把tesseract.exe所在的路径添加到PATH环境变量中即可

还有一个环境变量也需要设置：训练用的数据文件路径
在环境变量中，添加 ESSDATA_PREFIX=D:\path_to_tesseractdata\teseractdata

在命令行中使用tesseract识别图像

识别图片：

设置好环境变量后，使用命令：tesseract 图片路径 文件路径

tesseract a.png a

会识别出a.png中的图片，并且把文字写入到a.txt中。如果不想写入文件直接想显示在终端，不加文件名就可以了

查看tesseract下的一些属性和方法：

tesseract -h

查看当前有哪些识别库：

tesseract --list-langs

识别中文：