圖形驗證碼識別技術：
阻礙我們爬蟲的。有時候正是在登錄或者請求一些數據時候的圖形驗證碼。因此這里我們講解一種能將圖片翻譯成文字的技術。將圖片翻譯成文字一般被成為光學文字識別（Optical Character Recognition），簡寫為OCR。實現OCR的庫不是很多，特別是開源的。因為這塊存在一定的技術壁壘（需要大量的數據、算法、機器學習、深度學習知識等），並且如果做好了具有很高的商業價值。因此開源的比較少。這里介紹一個比較優秀的圖像識別開源庫：Tesseract。
Tesseract：
Tesseract是一個OCR庫，目前由谷歌贊助。Tesseract是目前公認最優秀、最准確的開源OCR庫。Tesseract具有很高的識別度，也具有很高的靈活性，他可以通過訓練識別任何字體。
安裝：
Windows系統：
在以下鏈接下載可執行文件，然后一頓點擊下一步安裝即可（放在不需要權限的純英文路徑下）：
https://github.com/tesseract-ocr/
Linux系統：
可以在以下鏈接下載源碼自行編譯。
https://github.com/tesseract-ocr/tesseract/wiki/Compiling
或者在ubuntu下通過以下命令進行安裝：
sudo apt install tesseract-ocr
Mac系統：
用Homebrew即可方便安裝：
brew install tesseract
設置環境變量：
安裝完成后，如果想要在命令行中使用Tesseract，那么應該設置環境變量。Mac和Linux在安裝的時候就默認已經設置好了。在Windows下把tesseract.exe所在的路徑添加到PATH環境變量中。
還有一個環境變量需要設置的是，要把訓練的數據文件路徑也放到環境變量中。
在環境變量中，添加一個TESSDATA_PREFIX=C:\path_to_tesseractdata\teseractdata。
在命令行中使用tesseract識別圖像：
如果想要在cmd下能夠使用tesseract命令，那么需要把tesseract.exe所在的目錄放到PATH環境變量中。然后使用命令：tesseract 圖片路徑 文件路徑。
示例：
tesseract a.png a
那么就會識別出a.png中的圖片，並且把文字寫入到a.txt中。如果不想寫入文件直接想顯示在終端，那么不要加文件名就可以了。
在代碼中使用tesseract識別圖像：
在Python代碼中操作tesseract。需要安裝一個庫，叫做pytesseract。通過pip的方式即可安裝：
pip install pytesseract
並且，需要讀取圖片，需要借助一個第三方庫叫做PIL。通過pip list看下是否安裝。如果沒有安裝，通過pip的方式安裝：
pip install PIL
使用pytesseract將圖片上的文字轉換為文本文字的示例代碼如下：
# 導入pytesseract庫
import pytesseract
# 導入Image庫
from PIL import Image
# 指定tesseract.exe所在的路徑
pytesseract.pytesseract.tesseract_cmd = r'D:\ProgramApp\TesseractOCR\tesseract.exe'
# 打開圖片
image = Image.open("a.png")
# 調用image_to_string將圖片轉換為文字
text = pytesseract.image_to_string(image)
print(text)
用pytesseract處理拉勾網圖形驗證碼：
import pytesseract
from urllib import request
from PIL import Image
import time
pytesseract.pytesseract.tesseract_cmd = r"D:\ProgramApp\TesseractOCR\tesseract.exe"
while True:
captchaUrl = "https://passport.lagou.com/vcode/create?from=register&refresh=1513081451891"
request.urlretrieve(captchaUrl,'captcha.png')
image = Image.open('captcha.png')
text = pytesseract.image_to_string(image,lang='eng')
print(text)
time.sleep(2)