Python處理驗證碼第一篇（pytesser初探及報錯處理）

（原文鏈接：http://blog.csdn.net/Bone_ACE/article/details/50436587）

前言：

春節期間，無法全身心投入地去寫爬蟲，那就玩玩驗證碼吧，應該比較有趣！

首次接觸驗證碼識別，用pytesser接觸一下最簡單的驗證碼先，代碼參照：使用python以及工具包進行簡單的驗證碼識別。具體細節可以參見原文，里面安裝和報錯處理沒有詳細記錄，我在此處主要記錄一下自己的安裝及處理過程。 

 

 

效果：

可識別以下類型的驗證碼： 
    

 

 

正文：

代碼：

# encoding=utf-8 from PIL import Image from pytesser import * img = Image.open('驗證碼.jpg') img_grey = img.convert('L') threshold = 140 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) img_out = img_grey.point(table, '1') text = image_to_string(img_grey) # 將圖片轉成字符串 print text 

 

 

 

安裝包：

需要安裝的包主要有兩個： PIL 和 pytesser 。 
我的環境：64位win8系統、python2.7

PIL模塊的安裝：

PIL 全稱 “Python Imaging Library”。 
下載地址：傳送門

我下載了

運行報錯：Python version 2.7 required, which was not found in the registry. 

網上找出原因：這個 PIL 安裝資源是給32位操作系統，32位和64位操作系統下的python在注冊表中的路徑是不一樣的： 
64位檢查注冊表的位置是： HKLM|HKCU\SOFTWARE\ 
32位檢查注冊表的位置是： HKLM|HKCU\SOFTWARE\wow6432node\ 
所以在64位系統中自然檢查不出有Python。

解決方案： 
官方沒有提供64位的PIL庫，但非官方有：傳送門。 
下載里面的pillow庫： 

然后在命令行安裝該模塊： 
pip install G:/For_Life/360download/Pillow-3.1.1-cp27-none-win_amd64.whl

注意：在 pillow 下載頁中有一行 “Use ‘from PIL import Image’ instead of ‘import Image’” ，所以一般方法安裝的 PIL 要導入 Image 模塊使用 “import Image” ，而此方法安裝的 PIL 要使用 “from PIL import Image” 。 
更多請見：Windows安裝Python圖像處理庫：PIL模塊。

 

 

 

pytesser模塊的安裝：

下載地址：傳送門。（此網址有時候會加載失敗，我將自己下載的放在微盤上了：傳送門 密碼：DPHE）

下載后得到 “pytesser_v0.0.1.zip”，是一個壓縮文件，使用方法： 
1、在 “D:\For_Software\others\Python_PyDev\Python\Lib\site-packages” 路徑下新建一個文件夾，命名 “pytesser” 。把 “pytesser_v0.0.1.zip” 里的文件解壓到該目錄： 

2、將 “pytesser.py” 改名為 “__init__.py”。

3、打開 “__init__.py” 文件，將 “tesseract_exe_name” 變量的值改為 “‘D:/For_Software/others/Python_PyDev/Python/Lib/site-packages/pytesser/tesseract’”(原值為 “‘tesseract’”)。

4、pytesser 模塊依賴於 PIL 模塊，如果是按照上面的方法安裝 PIL 的話，需要把 “init.py” 文件里的 “import Image” 改成 “from PIL import Image” 。 
（注意以上的路徑要改成自己的路徑，不要原搬照抄，應該不會這么笨吧）

如果報錯：WindowsError: [Error 2] 
 
可能的原因：python找不到 “tesseract.exe”，執行步驟3給python指定一個絕對路徑就可以了。

如果報錯：ImportError: No module named Image 
 
可能的原因：在 pytesser 中的 “__init__.py” ，導入 Image 的方式不對，見步驟4。 

 

 

總結：

其實這只是處理最簡單的驗證碼而已，代碼也很簡單，主要做兩個工作而已。第一個是將彩色圖片轉成灰度圖片並除噪，第二個是使用 pytesser.image_to_string() 將圖片中的字符提取出來。

處理的圖片也是非常有限的圖片上的數字或字母必須沒有變形（即使是沒有變形的情況下還會出現數字跟字母混淆的情況），驗證碼的背景不能太復雜，允許字體加上一些顏色。 
這么簡單的驗證碼估計很少見，不常用。所以這么簡單的處理方法，我們看一看也就可以了，如果實際使用的話技術還有待深入。

 

 

轉載請注明出處，謝謝！（原文鏈接：http://blog.csdn.net/Bone_ACE/article/details/50436587）