脚本宝典收集整理的这篇文章主要介绍了python利用Tesseract识别验证码,脚本宝典觉得挺不错的,现在分享给大家,也给大家做个参考。
无论是是自动化登录还是爬虫,总绕不开验证码,这次就来谈谈python中光学识别验证码模块tesserocr
和pytesseract
。tesserocr
和pytesseract
是Python的一个OCR识别库,但其实是对tesseract
做的一层Python API封装,pytesseract
是GOOGLE的Tesseract-OCR
引擎包装器;所以它们的核心是tesseract
,因此在安装tesserocr
之前,我们需要先安装tesseract
。
下载安装
下载地址:@L_512_3@
下载完成后,双击安装,可以勾选AddITional language data(download)
选项来安装OCR识别支持的语言包,但下载语言包实在是慢,我们可以直接从https://github.com/tesseract-... 下载zip的语言包压缩文件,解压后将teSSData-master
中的文件复制到Tesseract
的安装目录C:PRogram Files (x86)Tesseract-OCRtessdata
目录下,最后我们配置下环境变量,我们将C:Program Files (x86)Tesseract-OCR
添加到环境变量中。进入命令提示符,输入tesseract
,显示下图结果,说明配置完成
查看安装了的语言包:tesseract --list-langs
显示我一共安装了167种语言包,里边包含英文或者其他字符。
测试
实验用的二维码
基本使用语法
tesseract image.png result
(tesseract 图片名称 生成文件名称)
结果
由结果来看,识别出来了P、2和X,但是把C识别成了G,识别度还是比较高,接下来看在python中的使用
@H_126_86@python引入tesseract
在Python下使用pip命令即可完成下载安装 pip install pytesseract
识别验证码脚本
import pytesseract
From PIL import Image
im=Image.oPEn('pin.png')
print(pytesseract.image_to_string(im))
结果
这样识别的结果同样跟上文一样,个别字符识别的不是很准确
图像处理
现在网站上的二维码设计的通常很难复杂,如果直接识别的话很难识别出来,下面这段代码是进行灰度处理和二值化
import pytesseract
from PIL import Image
im=Image.open('5.jpg')
#进行置灰处理
im=im.convert('L')
#这个是二值化阈值
threshold=150
table=[]
for i in range(256):
if i<threshold:
table.append(0)
else:
table.append(1)
#通过表格转换成二进制图片,1的作用是白色,0就是黑色
im=im.point(table,"1")
im.show()
print(pytesseract.image_to_string(im))
原图
置灰和二值化后
想要提高识别率只能下载训练好的语言包,如上述所说,或者用深度学习的方法训练机器
原文地址:https://nolon.xyz/archives/77/
以上是脚本宝典为你收集整理的python利用Tesseract识别验证码全部内容,希望文章能够帮你解决python利用Tesseract识别验证码所遇到的问题。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。