Python之验证码识别功能

Python之pytesseract 识别验证码

 

 

1、验证码来一个

 

 

 2、适合什么样的验证码呢？

只能识别简单、静态、无重叠、只有数字字母的验证码

3、实际应用：模拟人工登录、页面内容识别、爬虫抓取信息

 

步骤一：

下载工具Tesseract-OCR，下载地址https://digi.bib.uni-mannheim.de/tesseract/，下载成功后，傻瓜式安装在英文路径下

安装后或出现一个目录：D:\syspath\tesseract\Tesseract-OCR，将安装路径配置环境变量

 

步骤二：

添加tessdata系统变量，要注意是系统变量：名称TESSDATA_PREFIX；路径D:\syspath\tesseract\Tesseract-OCR\tessdata

dos命令窗口输入：tesseract --version   展示版本信息后说明OK

验证图片识别：

同样dos命令窗口：tesseract C:\a.png D:\1.txt

a.png是图片，1.txt是识别后数据存放文件

 

 

如何识别页面上的信息并抓取信息

安装pytesserac模块：pip install pytesserac
修改pytesseract.py文件中tesseract_cmd字段信息
例如：将tesseract_cmd = 'tesseract'修改为：tesseract_cmd = 'D:/Program Files (x86)/Tesseract-OCR/tesseract.exe'
这样就安装好pytesserac模块了
使用：
一个获取登陆页面验证码的脚本#-*- coding = utf - 8 -*-

import time , sys
import pytesseract
from PIL import Image,ImageEnhance
from selenium import webdriver
screenImg = "D:/checkcode.png"
driver = webdriver.Chrome
driver.get(https://192.168.1.1:8080/login)
driver.maximize_window()
driver.save_screenshot(screenImg)  # 截取当前网页，该网页有我们需要的验证码
location = self.param1.find_element_by_xpath("//img[@class='check-code']").location 
size = self.param1.find_element_by_xpath("//img[@class='check-code']").size
left = location['x']
top = location['y']
right = location['x'] + size['width']
bottom = location['y'] + size['height']
img = Image.open(screenImg).crop((left, top, right, bottom))
img = img.convert('L')  # 转换模式：L | RGB
img = ImageEnhance.Contrast(img)  # 增强对比度
img = img.enhance(2.0)  # 增加饱和度
img.save(screenImg)
# 读取截图
img = Image.open(screenImg)
# 获取验证码
code = pytesseract.image_to_string(img)
# 打印验证码
print(list(code))


以上是抓取一个页面的验证码，那么同样可以使用在爬虫上面去
楼主萌新，不喜勿喷   哈哈哈