python-使用内置库pytesseract实现图片验证码的识别

Posted 2020-11-21 pp的路

环境准备：

1、安装Tesseract模块

     git文档地址：https://digi.bib.uni-mannheim.de/tesseract/

　 百度网盘下载地址：

　　链接：https://pan.baidu.com/s/16RoJ19WynWOKI4Zpr0bKzA
　　提取码：5hst     

     下载后右击安装即可

2、配置环境变量：    

　　编辑 系统变量里面 path，添加下面的安装路径：D:\\Program Files\\Tesseract-OCR(填写自己的实际安装路径)

3、安装python的第三方库：　　

　　pip install pillow #一个python的图像处理库，pytesseract依赖
　　pip install pytesseract

4、修改pytesseract.py文件，指定tesseract.exe安装路径

编辑pytesseract.py文件(此步骤必须做，否则运行代码时会报错)：

tesseract_cmd = \'D:\\Program Files\\Tesseract-OCR\'

代码实现

验证码识别方法之一，简单验证码，代码可直接使用

import requests
from PIL import Image
import pytesseract

# 验证码地址
url = "http://cloud.xxxx.com/checkCode?0.7337270680854053"
response = requests.get(url).content
#将图片写入文件
with open(\'test.png\',\'wb\') as f:
    f.write(response)
#识别验证码
#第一步：通过内置模块PIL打开文件
image = Image.open(\'test.png\')
image = image.convert(\'L\')  #转化为灰度图
threshold = 160             #设定的二值化阈值
table = []                  #table是设定的一个表，下面的for循环可以理解为一个规则，小于阈值的，就设定为0，大于阈值的，就设定为1
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)

image = image.point(table,\'1\')  #对灰度图进行二值化处理，按照table的规则（也就是上面的for循环）
image.show()
result = pytesseract.image_to_string(image) #对去噪后的图片进行识别
print(\'图片内容为:\',result)