图片验证码识别技术——Tesseraact

将图片翻译成文字一般被称为光学文字识别（Optical  Character  Recognition），简称为OCR。

实现OCR的库不是很多，特别是开源的，比较优秀的开源图像识别库——Tesseract。

Tesseract:

tesseract是一个OCR库。Tesseract是目前公认最优秀、最准确的开源OCR库。Tesseract具有

很高的识别度，也具有很高的灵活性，可以通过训练识别任何字体。

安装：

windows系统：

在以下链接下载可执行文件，然后一顿点击下一步安装即可（纯英文路径）。具体安装方法参考：https://blog.csdn.net/lianxiaobao/article/details/82465010（仅供参考，自行百度）。

https://github.com/tesseract-ocr/

linux系统：

可以在以下链接下载源码自行编译。

https://github.com/tesseract-ocr/tesseract/wiki/Compiling

或者在Ubuntu下通过以下命令进行安装：

sudo apt install tesseract-acr

Mac系统：

用Homebrew即可方便安装：

brew install tesseract

设置环境变量：

安装完成后，如果想要在命令中使用Tesseract,那么应该设置环境变量。mac和Linux安装时默认设置好了。 

在Windows下把tesseract.exe所在的路径添加到PATH环境变量中。还需要把训练的数据文件路径放到环境变量中，

在环境变量中，添加一个TESSDATA_PREFIX=C:\path_to_tesseractdata\teseractdata。

在命令行中使用tesseract识别图像：

如果想要cmd下能够使用tesseract命令，那么需要把tesseract.exe所在的目录放到PATH环境变量中。

然后使用命令：tesseract  图片路径  文件路径。识别不同的语言要下载不同的语言训练库。

实例（注意：路径切换）：

 

tesseract a.png a

那么就会识别出 a.png 中的图片，并且把文字写到 a.txt中。如果不想要写入文件直接想显示在终端，那么不要加文件名就可以了。

查看安装的语言库：

在代码中使用tesseract识别图像：

在python代码中操作tesseract,需要安装一个库，叫做pytesseract。通过pip的方式即可安装：

pip install pytesseract

并且需要读取图片，需要借助一个第三方库叫做PIL。通过pip list看下是否安装，如果没有安装，通过pip的方式安装：

pip install PIL

使用pytesseract将图片上的文字转换为文本文字的示例代码如下：

#导入pytesseract库
import pytesseract
#导入Image库
from PIL import Image
# 指定tesseract.exe所有的路径
pytesseract.pytesseract.tesseract_cmd = r'D:\ProgramApp\TesseractOCR\tesseract.exe'
# 打开图片
image = Image.open('a.png')
# 调用image_to_string将图片转为文字
text = pytesseract.image_to_string(image)
print(text)

 

import pytesseract
from urllib3 import request
from PIL import Image
import time

def main():
    pytesseract.pytesseract.tesseract_cmd = r'D:\tesseract-master\tesseract.exe'
    # 图片的地址
    url = ' '
    while True:
        # 下载图片
        request.urlretrieve(url,'captcha.png')
        image = Image.open('captcha.png')
        # 识别图片
        text = pytesseract.image_to_string(image)
        print(text)
        time.sleep(2)


if __name__ == '__main__':
    main()