一、tesseract简介
Tesseract是一个OCR库(OCR是英文Optical Character Recognition的缩写)，它用来对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程，Tesseract是目前公认最优秀，识别相对精准的OCR库。
二、Tesseract的使用
1.下载并安装Tesseract：点击下载
2.在Windows系统下设置环境变量：
立即学习“Python免费学习笔记（深入）”；
#根据下载安装文件的路径配置环境变量set TESSDATA_PREFIX F:Tesseract-OCR
登录后复制
3.安装pytesseract模块
pip install pytesseract
登录后复制
4.在Python脚本中引入tesseract.exe应用程序的方式：
pytesseract.pytesseract.tesseract_cmd = r'F:Tesseract-OCResseract.exe'
登录后复制
5.案例演示
识别以下图片文字：
import pytesseractfrom PIL import Image#1.引入Tesseract程序pytesseract.pytesseract.tesseract_cmd = r'F:Tesseract-OCResseract.exe'#2.使用Image模块下的Open()函数打开图片image = Image.open('6.jpg',mode='r')print(image)#3.识别图片文字code= pytesseract.image_to_string(image)print(code)
登录后复制
结果演示：
注：tesseract-OCR引擎识别验证码有些无法识别，比如像豆瓣生成的验证码无法识别其内容，如果需要爬取豆瓣中的数据这时候就需要手动的输入验证码：
三、模拟登陆知乎源码
import requestsimport timeimport pytesseractfrom PIL import Imagefrom bs4 import BeautifulSoupdef captcha(data): with open('captcha.jpg','wb') as fp: fp.write(data) time.sleep(1) image = Image.open("captcha.jpg") text = pytesseract.image_to_string(image) print "机器识别后的验证码为：" + text command = raw_input("请输入Y表示同意使用，按其他键自行重新输入：") if (command == "Y" or command == "y"): return text else: return raw_input('输入验证码：')def zhihuLogin(username,password): # 构建一个保存Cookie值的session对象 sessiona = requests.Session() headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0'} # 先获取页面信息，找到需要POST的数据（并且已记录当前页面的Cookie） html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content # 找到 name 属性值为 _xsrf 的input标签，取出value里的值 _xsrf = BeautifulSoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value') # 取出验证码，r后面的值是Unix时间戳,time.time() captcha_url = 'https://www.zhihu.com/captcha.gif?r=%d&type=login' % (time.time() * 1000) response = sessiona.get(captcha_url, headers = headers) data = { "_xsrf":_xsrf, "email":username, "password":password, "remember_me":True, "captcha": captcha(response.content) } response = sessiona.post('https://www.zhihu.com/login/email', data = data, headers=headers) print response.text response = sessiona.get('https://www.zhihu.com/people/maozhaojun/activities', headers=headers) print response.textif __name__ == "__main__": #username = raw_input("username") #password = raw_input("password") zhihuLogin('xxxx@qq.com','ALAxxxxIME')
登录后复制
相关推荐：
python下调用pytesseract识别某网站验证码
以上就是python使用Tesseract库实现识别验证的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/2265530.html
