python3使用pytesseract进行验证码识别

 

pytesseract介绍

1.Python-tesseract是一个基于google's Tesseract-OCR的独立封装包；

2.Python-tesseract功能是识别图片文件中文字，并作为返回参数返回识别结果；

3.Python-tesseract默认支持tiff、bmp格式图片，只有在安装PIL之后，才能支持jpeg、gif、png等其他图片格式

 

pytesseract安装

1.Python-tesseract支持python2.5及更高版本；

2.Python-tesseract需要安装PIL（Python Imaging Library） ，来支持更多的图片格式：

pip install pillow、pip install PIL

3.Python-tesseract需要安装tesseract-ocr安装包：Windows安装Tesseract-OCR 4.00并配置环境变量

4.安装pytesseract：pip install pytesseract

 

pytesseract使用

使用步骤

> try:
> import Image
> except ImportError:
> from PIL import Image
> import pytesseract
> print(pytesseract.image_to_string(Image.open('test.png')))
> print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))

 

识别二维码

import pytesseract
from PIL import Image

image = Image.open("code.png")
code = pytesseract.image_to_string(image)
print(code)#结果：6067

 

爬虫识别网站二维码

import pytesseract
from PIL import Image
import requests
 
def Vercode():
    url = "http://www.xxxx"
    header = {"user_agent":"Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)"}
    r =requests.get(url,headers=header,timeout=5)
    with open('vcode.jpg','wb') as pic:
        pic.write(r.content)
    im = pytesseract.image_to_string(Image.open('vcode.jpg'))
    im = im.replace(' ', '')
    if im != '':
        return im
    else:
        return Vercode()
print Vcode()

 

refer：

pyhton验证码识别

python下调用pytesseract识别某网站验证码