使用python內置庫pytesseract實現圖片驗證碼的識別

環境准備：

1、安裝Tesseract模塊

     git文檔地址：https://digi.bib.uni-mannheim.de/tesseract/    

     下載后就是一個exe安裝包，直接右擊安裝即可，安裝完成之后，配置一下環境變量，編輯 系統變量里面 path，添加下面的安裝路徑：

2、如果您想使用其他語言，請下載相應的培訓數據，（我們只做中文，暫時下載一個中文的文字訓練數據就可以） ，然后將.traineddata文件復制到'tessdata'目錄中。C:\Program Files (x86)\Tesseract-OCR\tessdata

 

3、配置環境變量：    

　　編輯 系統變量里面 path，添加下面的安裝路徑：C:\Program Files (x86)\Tesseract-OCR　　

　　cmd命令模式下測試是否安裝成功:
　　tesseract test.jpg text -l chi_sim

4、安裝python的第三方庫：　　

　　pip install pillow #一個python的圖像處理庫，pytesseract依賴
　　pip install pytesseract

5、找到pytesseract的安裝包，C:\Python34\Lib\site-packages\pytesseract，編輯pytesseract.py文件(此步驟必須做，否則運行代碼時會報錯)：

　　tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

代碼實例：　　

簡單驗證碼代碼：
　　

import requests
from PIL import Image
import pytesseract

'''
簡單驗證碼
'''
# 驗證碼地址
url = "https://www.renrendai.com/passport/index/captcha?time=1551682134111"
response = requests.get(url).content

#將圖片寫入文件
with open('yzm.png','wb') as f:
    f.write(response)
f.close()

'''識別驗證碼'''
#第一步：通過內置模塊PIL打開文件
pic = Image.open('yzm.png')
#第二步：識別圖片中的內容
pic_str = pytesseract.image_to_string(pic)
print("驗證碼識別結果為:",pic_str)

 

百度文庫圖片文檔的識別：

#下載圖片
baidu_url = "https://wkretype.bdimg.com/retype/zoom/4127ed79a26925c52cc5bf99?pn=2&o=jpg_6&md5sum=9cdc209bc34a40ed774f7e14c0be59c4&sign=5dbcb28bf1&png=11238-22475&jpg=41808-117940"
baidu_pic = requests.get(baidu_url).content

#圖片寫入文件
with open('baidu_pic.jpg','wb') as f:
    f.write(baidu_pic)
f.close()

#識別驗證碼
baidu_img = Image.open('baidu_pic.jpg')
baidu_img_str = pytesseract.image_to_string(baidu_img,lang="chi_sim")
print('百度文庫圖片內容為:',baidu_img_str)

復雜的驗證碼，直接識別不了，可以使用超級鷹的第三方接口，如有需要，自己進行賬號的注冊，這里直接貼代碼嘍：

from chaojiying import Chaojiying

chaojiying_url= "http://www.chaojiying.com/include/code/code.php?u=1"
response = requests.get(chaojiying_url).content

with open('rryz.png','wb') as f:
    f.write(response)
f.close()

#讀取文件內容
with open('rryz.png','rb') as f:
    pic1 = f.read()

#調用第三方打碼平台接口識別驗證碼
yz = Chaojiying(username='*****', password='****', soft_id='****')

res = yz.post_pic(pic1,codetype='1902').get('pic_str')  #1902 驗證碼類型
print('識別的結果：',res)