使用python内置库pytesseract实现图片验证码的识别

环境准备：

1、安装Tesseract模块

     git文档地址：https://digi.bib.uni-mannheim.de/tesseract/    

     下载后就是一个exe安装包，直接右击安装即可，安装完成之后，配置一下环境变量，编辑 系统变量里面 path，添加下面的安装路径：

2、如果您想使用其他语言，请下载相应的培训数据，（我们只做中文，暂时下载一个中文的文字训练数据就可以） ，然后将.traineddata文件复制到'tessdata'目录中。C:\Program Files (x86)\Tesseract-OCR\tessdata

 

3、配置环境变量：    

　　编辑 系统变量里面 path，添加下面的安装路径：C:\Program Files (x86)\Tesseract-OCR　　

　　cmd命令模式下测试是否安装成功:
　　tesseract test.jpg text -l chi_sim

4、安装python的第三方库：　　

　　pip install pillow #一个python的图像处理库，pytesseract依赖
　　pip install pytesseract

5、找到pytesseract的安装包，C:\Python34\Lib\site-packages\pytesseract，编辑pytesseract.py文件(此步骤必须做，否则运行代码时会报错)：

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

代码实例：　　

简单验证码代码：
　　

import requests
from PIL import Image
import pytesseract

'''
简单验证码
'''
# 验证码地址
url = "https://www.renrendai.com/passport/index/captcha?time=1551682134111"
response = requests.get(url).content

#将图片写入文件
with open('yzm.png','wb') as f:
    f.write(response)
f.close()

'''识别验证码'''
#第一步：通过内置模块PIL打开文件
pic = Image.open('yzm.png')
#第二步：识别图片中的内容
pic_str = pytesseract.image_to_string(pic)
print("验证码识别结果为:",pic_str)

 

百度文库图片文档的识别：

#下载图片
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

#图片写入文件
with open('baidu_pic.jpg','wb') as f:
    f.write(baidu_pic)
f.close()

#识别验证码
baidu_img = Image.open('baidu_pic.jpg')
baidu_img_str = pytesseract.image_to_string(baidu_img,lang="chi_sim")
print('百度文库图片内容为:',baidu_img_str)

复杂的验证码，直接识别不了，可以使用超级鹰的第三方接口，如有需要，自己进行账号的注册，这里直接贴代码喽：

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()

#读取文件内容
with open('rryz.png','rb') as f:
    pic1 = f.read()

#调用第三方打码平台接口识别验证码
yz = Chaojiying(username='*****', password='****', soft_id='****')

res = yz.post_pic(pic1,codetype='1902').get('pic_str')  #1902 验证码类型
print('识别的结果：',res)