No.2 验证码的识别——tesseract包

一. 安装tesseract

• 首先，我们需要安装exe，下载地址是https://digi.bib.uni-mannheim.de/tesseract/。
  • 我下载的是

• 据参考资料链接，不用使用带“dev”版本（开发版本），安装的时候注意不要把语言（additional language data）选择勾上~~否则一直报错。

• 把additional勾上的后果：弹出了很多error，是被墙了；因此这里不能够勾选“**additional language data**”。

• 装好后，把tesseract的tessdata这个文件夹，复制粘贴到anaconda下面的Scripts同一个文件夹。

• 属性-系统变量设置：把刚刚安装好的tesseract文件夹路径放进去。

因为在安装tesseract的软件的时候，我命名为tesseract；如果没有自己改名的话， 那么名字应该是
Tesseract-OCR。
同时，把tessdata的路径也要放到系统变量中。
变量名：TESSDATA_PREFIX——>变量值：D:\softwares\tesseract\tessdata

• 下载语言包
  • 刚刚我们没有勾选的“additional language data”，这里自己安装。
  • 链接：https://pan.baidu.com/s/16kh-ylMXpCDOjKcedRP9bQ，提取码：dhzx。解压之后，把tessdata的红框数据，贴到tesseract/tessdata中。

• 然后在cmd中，查看语言：tesseract —list-langs。可以看到结果成功。重启电脑。

二. Python中的tesserocr安装

• 在安装好了tesseract之后，我们还需要安装Python包。
• 接着，到这个路径下面，https://github.com/simonflueckiger/tesserocr-windows_build/releases，选择合适的版本的的whl，我的电脑是python3.7+64位。可以在cmd中通过输入python查看信息。那么选择对应版本的whl下载。

• 然后，把下载的whl文件放到Scripts中。就是刚刚tessdata同一个文件夹下面的那个Scripts。

• 通过cmd进入到Scripts文件夹，进行安装，输入 pip3 install tesserocr-2.4.0-cp37-cp37m-win_amd64.whl

如果没有成功，那就是pip没有添加到环境变量中，自己添加一下。

三. 实验

• 在cnki中找到一个验证码，http://my.cnki.net/elibregister/CheckCode.aspx，然后右键保存在本地。然后，在Python中进行识别。

import tesserocr
from PIL import Image
image = Image.open(r'C:\Users\dell\Pictures\验证码\5.png')
image = image.convert('L')
print(tesserocr.image_to_text(image))

最后能够 识别为6220。

• 缺点
  • 碰到复杂的验证码，就不行了。
  • 例如，加上了北京跳就不能识别。

以上就是简单的tesseract使用。欢迎点赞和收藏。