Python爬虫09-Tesseract图形验证码识别

Tesseract是一个将图像翻译成文字的OCR(光学文字识别)

一、tesseract 使用

import pytesseract
from PIL import Image
# PIL（Python Imaging Library） 图形处理库

# 指定Tesseract的安装路径和数据包的路径
pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'
tessdata_dir_config = r'--tessdata-dir "D:\Program Files\Tesseract-OCR\tessdata"'

image = Image.open('7364.jpg')
# 第一个参数图片 第二个参数语言 第三个参数配置
print(pytesseract.image_to_string(image, lang='eng',  config=tessdata_dir_config))

二、pytesseract处理图形验证码

import pytesseract
from PIL import Image
from urllib import request
import time

# 指定Tesseract的安装路径和数据包的路径
pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'
tessdata_dir_config = r'--tessdata-dir "D:\Program Files\Tesseract-OCR\tessdata"'

while True:
    url='https://passport.lagou.com/vcode/create?from=register&refresh=1513081451891'
    request.urlretrieve(url,'code.png')
    image = Image.open('code.png')
    text=pytesseract.image_to_string(image, lang='eng',  config=tessdata_dir_config)
    print(text)
    time.sleep(2)