WebUI智能识别验证码之tesseract

Posted 2023-04-11

参考技术A

本文训练数据部分参考： https://blog.csdn.net/ruyulin/article/details/89046148

只能识别字母与数字比较正的图片内容，不正的基本无法识别，就算训练也是一样

需要更精准的识别，可以使用tensorflow框架，进行模型建立及训练，但是需要学习的东西会比较多。

官网： https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/

注意：

官网： https://digi.bib.uni-mannheim.de/tesseract/

pip install pytesseract

以古诗文网的登录页面为例，获取验证码数据：

结果图片：

复制VeriCode.traineddata，放到tessdata（Tesseract安装目录的一个文件夹）文件夹下

tesseract VeriCode.font.exp1.tif VeriCode.font.exp1 batch.nochop makebox

双击需要修改值的char，修改之后需要回车

例如，该D字符，宽度很宽，占据多个字符位置，可以使用分割split，分割成多个再删除不需要的，或者修改宽度，再调整坐标

前面步骤全部完成，我们就可以使用pytesseract进行图片识别了

若未安装：tesseract，则会报错
pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it\'s not in your PATH. See README file for more information.

Python - PIL-pytesseract-tesseract验证码识别

N天前实现了简单的验证识别，这玩意以前都觉得是高大上的东西，一直没有去研究，这次花了点时间研究了一下，当然只是一些基础的东西，高深的我也不会，分享一下给大家吧。

关于python验证码识别库，网上主要介绍的为pytesser及pytesseract，其实pytesser的安装有一点点麻烦，所以这里我不考虑，直接使用后一种库。

要安装pytesseract库，必须先安装其依赖的PIL及tesseract-ocr，其中PIL为图像处理库，而后面的tesseract-ocr则为google的ocr识别引擎。

 

一、安装PIL

PIL : Pillow-3.3.0-cp27-cp27m-win_amd64.whl 或 Pillow-4.2.1.win-amd64-py2.7.exe

下载地址：https://pypi.python.org/pypi/Pillow/4.2.1

 

然后执行安装命令：

pip install Pillow-4.2.1-cp27-cp27m-win_amd64.whl

或是点击exe进行安装，一路下一步

 

二、安装Tesseract

 

介绍见链接

http://blog.csdn.net/wanghui2008123/article/details/37694307

 

下载安装文件地址：http://jaist.dl.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe

  

安装过程如下（这是一个缓慢且会报错的过程）：

 

三 、安装pytesseract

执行命令：

pip install pytesseract

 

 

根据经验，安装成功后要重启计算机，要不然执行如下代码会报错。

import pytesseract
from PIL import Image
image=Image.open(‘new.jpg‘)
print image
vcode=pytesseract.image_to_string(image)
print vcode

 

new.jpg