24. 图形验证码识别

1. Tesseract安装与简介

• 阻碍我们请求数据的有时候是图形验证码，这就引进了OCR（光学⽂字识别（Optical Character Recognition））技术。开源的库和文献不是很多，其中一个是Tesseract.
• Tesseract是一个将图形转译为文字的OCR工具，目前由谷歌赞助，目前是最准确的开源的OCR库，通过训练可以识别任何字体。
• 安装方法：pip install pytesseract
• 添加环境变量：TESSDATA_PREFIX=D:\Tesseract-OCR\tessdata
• 查看是否安装成功：tesseract --version
• 在命令行中使用：tesseract图片路径 文字路径，需要下载语言安装包。

2. 在代码中使用Tesseract识别图像

import pytesseract
from PIL import Image
pytesseract.pytesseract.tesseract_cmd = r'D:\Tesseract-OCR\tesseract.exe'
tesseract_dir_config = r'--tessdata-dir "D:\Tesseract-OCR\tessdata"'
image = Image.open('demo.png')
print(pytesseract.image_to_string(image,lang='eng', config=tessdata_dir_config))

3. 用pytesseract处理图形验证码

4. 打码云平台

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 = "captcha.png"
	img = Image.open(img_path)
	result = base64_api(uname = '', pwd = '', img = img)
	print(result)