python使用Tesseract库识别验证_Python

python使用Tesseract库识别验证

2021-01-24 00:04凯耐 Python

这篇文章主要为大家详细介绍了python使用Tesseract库识别验证，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

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：

1 2	`#根据下载安装文件的路径配置环境变量` `set` `TESSDATA_PREFIX F:\Tesseract-OCR\`

3.安装pytesseract模块

1	`pip install pytesseract`

4.在Python脚本中引入tesseract.exe应用程序的方式：

1	`pytesseract.pytesseract.tesseract_cmd` `=` `r'F:\Tesseract-OCR\tesseract.exe'`

5.案例演示

识别以下图片文字：

python使用Tesseract库识别验证

									import pytesseract

									from PIL import Image

									#1.引入Tesseract程序

									pytesseract.pytesseract.tesseract_cmd = r'F:\Tesseract-OCR\tesseract.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)

结果演示：

<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=611x210 at 0x1A5DFDCB4A8>
Google

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：

python使用Tesseract库识别验证

三、模拟登陆知乎源码

									import requests

									import time

									import pytesseract

									from PIL import Image

									from bs4 import BeautifulSoup

									def 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.text

									if __name__ == "__main__":

									  #username = raw_input("username")

									  #password = raw_input("password")

									  zhihuLogin('xxxx@qq.com','ALAxxxxIME')