Python图像识别-打码访问

Python的强大，在于它有非常多的第三方库。对于验证码识别，Python也已经有了现成的库来供我们使用了。开源的OCR库pytesseract配合tesseract，可以用来将图片中的文字转化为文本。

不过这种方式我们在爬虫中用的并不多。因为现在大部分的验证码都加上了干扰的纹理，已经很少能用单机版的图片识别方式来识别了。所以我们这里仅仅使用简单地图片来进行介绍。如果有一天你的运气足够好，遇到了非常工整的验证码，那么你可以使用这个办法来试一试。

安装 tesseract

(1) Windows

请在这里下载安装包：https://github.com/tesseract-ocr/tesseract/wiki/Downloads

在3rd party Windows exe’s/installer下面可以找到exe安装包。

(2) Mac

使用homebrew安装：

brew install tesseract

(3) Linux

使用apt-get安装:

sudo apt-get install tesseract-orc

更多的安装帮助信息，可以参阅：https://github.com/tesseract-ocr/tesseract/wiki

安装 Python库

要使用tesseract来做图像识别，我们还需要安装两个库：

pip install Pillow
pip install pytesseract

tesseract的使用

tesseract的使用非常简单，流程如下：

导入相关的第三方库

打开图片

识别

我们可以通过以下代码来实现最简单的图片识别：

import pytesseract
from PIL import Image
image = Image.open('验证码.png')
code = pytesseract.image_to_string(image)
print(code)

运行结果如下：

如果你的系统为Mac OS，并且使用homebrew安装tesseract，那么你一定会遇到下面的报错信息：

你需要修改Python安装文件夹下面的lib/site-packages/pytesseract文件夹下面的 pytesseract.py 文件，将第60行的：

tesseract_cmd = 'tesseract'

修改为：

tesseract_cmd = '/usr/local/bin/tesseract'