内容简介:主要思路是根据需要识别语言配置(参照比如我这边是4.0版本,我需要的是对英文的ocr识别(识别英文的验证码),我就直接下载4.00版本的
主要思路是根据 教程 使用源码安装完tesseract后,然后通过安装pillow与pytesseract打通 python 进行在python代码中引用使用。
I. 依赖安装
brewinstallautomake autoconf libtool brewinstallpkgconfig brewinstallicu4c brewinstallleptonica brewinstallgcc
II. Tesseract编译安装
git clone https://github.com/tesseract-ocr/tesseract/ cd tesseract ./autogen.sh ./configure CC=gcc-8 CXX=g++-8 CPPFLAGS=-I/usr/local/opt/icu4c/include LDFLAGS=-L/usr/local/opt/icu4c/lib make -j sudo make install # if desired
III. 语言配置
需要识别语言配置(参照 教程 ):
- 前面安装完后,你会发现在
/usr/local/share/tessdata
会有默认的data,将export TESSDATA_PREFIX='/usr/local/share/tessdata'
配置到系统环境中 - 在 这里 下载对应版本的语言包
- 将下载的语言包直接放到这个
/usr/local/share/tessdata
比如我这边是4.0版本,我需要的是对英文的ocr识别(识别英文的验证码),我就直接下载4.00版本的 eng.traineddata
:
然后再将下载下来的 eng.traineddata
放到到 /usr/local/share/tessdata
中即可:
IV. 打通Python
这边打通python直接通过 pytesseract ,十分方便。
先安装pillow:
pip install pillow
再安装pytesseract:
pip install pytesseract
安装完成后就可以通过其在python中使用了,如:
try: from PIL import Image except ImportError: import Image import pytesseract # Simple image to string print(pytesseract.image_to_string(Image.open('test.png'))) # French text image to string print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))
更多使用方法参照 官方 的文档。
以上所述就是小编给大家介绍的《Python爬虫验证码识别(使用Tesseract OCR识别)》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 微博爬虫与水军识别(基于文本分析),超高准确率
- 中文项目:快速识别验证码,CNN也能为爬虫保驾护航
- 【动图详解】通过 User-Agent 识别爬虫的原理、实践与对应的绕过方法
- 爬虫需谨慎,那些你不知道的爬虫与反爬虫套路!
- 反爬虫之字体反爬虫
- 反爬虫之字体反爬虫
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。