Tesseract的安装及配置 在Python爬虫过程中，难免遇到各种各样的验证码问题，最简单的就是​这种验证码了，那么在遇到验证码的时候该怎么办呢？我们就需要OCR技术了，OCR-即Optical Character Recognition光学字符识别，是指通过扫描字符，然后将其形状翻译成电子文本的过程。而tesserocr是Python的一个OCR识别库，所以在安装tesserocr之前，我们需要安装tesseract这个东西 下载地址：https://digi.bib.uni-mannheim.de/tesseract/ 可以选择下载不带dev的稳定版本，我下载的是3.05.01版本的，不过这个版本的可能比较早了，识别能力不是很厉害，读者可以选择下载最新版本的3.05.02，识别能力应该会好很多。 下载完就是一路双击，在最后的Additional Language data(download)选上这个选项，是OCR支持各种语言的包，然后继续安装，直到安装成功。 我的安装路径为：G:\Program Files (x86)\Tesseract-OCR ​ 安装完成后就得需要配置环境变量，打开环境变量设置，在path中加入如下 ​的设置，这样tesseract就安装成功并配置完成了、 tesserocr库的安装 刚开始我直接在cmd下输入 pip install tesserocr 很不幸报错了，报错类似于如下。。。因为之前我的报错，没有截图。所以。。 ​ 就是类似于这种的截图，这该怎么办，难道要去下载visual C++吗？我们有更好的解决方法，下载对应的.whl文件 下载地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases 一定要下载对应版本的 ​ 我的是3.5.1，所以我下载的是这个版本的。读者可以自行选择。 我的tesserocr-2.2.2-cp36-cp36m-win_amd64.whl文件下载在G盘根目录下，然后在cmd里输入 pip install G:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 开始安装whl文件，发现报错了。提示不能安装whl文件。。原来是没有安装wheel。 然后我就去安装了wheel 直接 pip install wheel即可。 安装成功 在输入 pip install G:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 发现开始安装了。 哎心累啊，总算弄好了。但是，我在pycharm中调用tesserocr 这个库，他又提示报错了，这是为什么呢？百度了一下最终解决。 原来需要在pycharm下的terrminal下输入如下图： ​ 如果报错了还得有一步操作。 将Tesseract-OCR下的tessdata文件复制到你的Python安装路径的scripts下： ​ 这样 ​ 这下应该就彻底安装成功了。。 这下在pycharm里总算不会报错了，我们来试一下识别这两张图片的效果 ​ ​ 代码： 复制代码 from PIL import Image import tesserocr imag=Image.open('test.jpg') print(tesserocr.image_to_text(imag)) imag1=Image.open('image.png') print(tesserocr.image_to_text(imag1)) 复制代码 输出结果如下： ​将762408识别成了162408 我也很无奈呀。。。可能是因为版本太菜了吧 以上就是我安装tesserocr遇到的问题及解决办法了。其实还可以装pytesseract这个库。 安装pytesseract库 安装这个pytesseract库可比tesserocr方便多了，根本不会报错，直接pip install pytesseract 完事。。pycharm直接搜索库 ​ 然后下载就完事，多省事。。。。 看一下识别效果，还是同样的两张图片。 代码： 复制代码 import pytesseract from PIL import Image import tesserocr im=Image.open('test.jpg') print(pytesseract.image_to_string(im)) im1=Image.open('image.png') print(pytesseract.image_to_string(im1)) 复制代码 运行结果： ​运行结果一样的，所以我推荐大家使用pytesseract这个库。 验证码识别问题 我打开知乎登录界面，下载了一张验证码图片：​ 开始识别它。 代码如下： 复制代码 import pytesseract from PIL import Image import tesserocr #简单验证 特别垃圾 image=Image.open('3.jpg') result=tesserocr.image_to_text(image) print(result) #完全验证 也不咋地。。 image1=Image.open('3.jpg') image1=image1.convert('L') threshold=127 table=[] for i in range(256): if i

关键字：