python爬虫时图形验证码识别( tesserocr)

window环境下：

第一步：安装tesseract：教程如下：Windows环境安装tesseract-ocr 4.00并配置环境变量 - 简庆旺 - 博客园

  

第二步：安装 tesserocr  ： 到这里下载whl版本  https://github.com/simonflueckiger/tesserocr-windows_build/releases

                   然后在cmd下 pip install D:\Chromedowload\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl

第三步：

import tesserocr

from PIL import Image

ima = Image.open('20180605095750237.png')
res = tesserocr.image_to_text(ima).strip()
print(res)

这样就可以获取到验证码中的文字了，然后把文字输入即可。

注意：正常情况下，这样的识别率是非常低的。需要对图片进行处理后，再识别。

完整的流程：

import tesserocr
from PIL import Image

image = Image.open('code2.jpg')

image = image.convert('L')  # 转为灰度图像
threshold = 127  # #指定二值化的阈值
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)

image = image.point(table, '1')  # 进行二值化
image.show()

result = tesserocr.image_to_text(image)
print(result)

假设你的代码遇到报错：

“RuntimeError: Failed to init API, possibly an invalid tessdata path: ”

异常原因： 因为 python 找不到 tessdata 文件夹导致的。

解决办法： 找到自己安装 Te sseract-OCR的目录，将其中的 tessdata 复制一份到你的 python 目录文件夹中，放入与Lib同级目录中。