19.验证码识别

Tesseract

tesseract是一个ORC（optical charactor recognition）库，目前由谷歌赞助。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，也具有很高的灵活度，他可以通过训练识别任何字体。

安装

• 下载地址：https://github.com/tesseract-ocr/tesseract/wiki
  设置环境变量：
  安装完成后，如果想要在命令行中使用tesseract，那么应该设置环境变量。Mac和Linux在安装的时候已经设置好了，在window下把tesseract.exe所在的路径添加到path环境变量中。
• 下载语言训练包：https://github.com/tesseract-ocr/tesseract/wiki/Data-Files
  将下载的语言包放到tessdata目录下（没有的话自己新建，tesseract默认读取这个文件夹下的英文训练包）
  查看已安装的语言训练包
  image.png

tesseract识别图像：

tesseract a.png abc

a.png是要识别的图片，abc为识别后输出的文本。运行完成后，则多出abc.txt，记录着识别出的文字。

python中使用tesseract

在python中操作tesseract，需要安装一个库，叫做pytesseract。通过pip安装即可：

pip install tesseract

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

pip install PIL

使用pytesseract将图片上的文字转换成文本文字：

import pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = r"D:\tesseract-Win64\tesseract.exe"

image = Image.open(r'D:\tesseract-Win64\1.png')

text = pytesseract.image_to_string(image)
# 选择其他语言
# text = pytesseract.image_to_string(image,lang='xxx')

print(text)