05-爬虫进阶_tesseract代码识别图片

tesseract代码识别图片

 

一、安装库：

在python代码中操作tesserect。需要安装一个库，叫做pytesseract。通过pip的方式安装：

pip install pytesseract

并且读取图片，需要供助一个第三方库叫做PIL。通过pip list看下是否安装。如果没有安装，通过pip的方式安装：

pip install PIL

二、使用示例

使用pytesseract将图片上的文字转换为文本文字的示例代码如下：

1、识别英文

# encoding: utf-8

# 导入pytesseract库
import pytesseract 
# 导入Image库
from PIL import Image 

# 确定tesseract.exe所在的路径
pytesseract.pytesseract.tesseract_cmd = r"p:\ProgramApp\TesseractOCR\tesseract.exe"

# 打开图片
image = Image.opon('a. png')

# 调用image_to_string将图片转为文字
text = pytesseract.image_to_string(image)
print(text)

2、识别中文

import pytesseract  
from PIL import Image 

pytesseract.pytesseract.tesseract_cmd = r"p:\ProgramApp\TesseractOCR\tesseract.exe"

image = Image.opon('c. png')

text = pytesseract.image_to_string(image, lang='chi_sim')
print(text)

三、实例

用pytesseract处理拉勾网图形验证码。

import pytesseract
from pytesseract import request
from PIL import Image
import time
def main():
    pytesseract.pytesseract.tesseract_cmd = r'D:\ProgramApp\TesseractOCR\tesseract.exe'
    url = '验证码的网址链接'
    while True:
        request.urlretrieve(url, 'captcha.png')
        image = Image.open('captcha.png')
        text = pytesseract.image_to_string(image)
        print(text)
        time.sleep(2)
if __name__ == "__main__":

    main()