内容简介:无论是是自动化登录还是爬虫,总绕不开验证码,这次就来谈谈python中光学识别验证码模块下载地址:下载完成后,双击安装,可以勾选
无论是是自动化登录还是爬虫,总绕不开验证码,这次就来谈谈 python 中光学识别验证码模块 tesserocr
和 pytesseract
。 tesserocr
和 pytesseract
是Python的一个OCR识别库,但其实是对 tesseract
做的一层Python API封装, pytesseract
是Google的 Tesseract-OCR
引擎包装器;所以它们的核心是 tesseract
,因此在安装 tesserocr
之前,我们需要先安装 tesseract
。
下载安装
下载地址: https://digi.bib.uni-mannheim...
下载完成后,双击安装,可以勾选 Additional language data(download)
选项来安装OCR识别支持的语言包,但下载语言包实在是慢,我们可以直接从 https://github.com/tesseract-... 下载zip的语言包压缩文件,解压后将 tessdata-master
中的文件复制到 Tesseract
的安装目录 C:\Program Files (x86)\Tesseract-OCR\tessdata
目录下,最后我们配置下环境变量,我们将 C:\Program Files (x86)\Tesseract-OCR
添加到环境变量中。进入命令提示符,输入 tesseract
,显示下图结果,说明配置完成
查看安装了的语言包: tesseract --list-langs
显示我一共安装了167种语言包,里边包含英文或者其他字符。
测试
实验用的二维码
基本使用语法
tesseract image.png result
(tesseract 图片名称 生成文件名称)
结果
由结果来看,识别出来了P、2和X,但是把C识别成了G,识别度还是比较高,接下来看在python中的使用
python引入tesseract
在python下使用pip命令即可完成下载安装 pip install pytesseract
识别验证码脚本
import pytesseract from PIL import Image im=Image.open('pin.png') print(pytesseract.image_to_string(im))
结果
这样识别的结果同样跟上文一样,个别字符识别的不是很准确
图像处理
现在网站上的二维码设计的通常很难复杂,如果直接识别的话很难识别出来,下面这段代码是进行灰度处理和二值化
import pytesseract from PIL import Image im=Image.open('5.jpg') #进行置灰处理 im=im.convert('L') #这个是二值化阈值 threshold=150 table=[] for i in range(256): if i<threshold: table.append(0) else: table.append(1) #通过表格转换成二进制图片,1的作用是白色,0就是黑色 im=im.point(table,"1") im.show() print(pytesseract.image_to_string(im))
原图
置灰和二值化后
想要提高识别率只能下载训练好的语言包,如上述所说,或者用深度学习的方法训练机器
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Node实现验证码识别
- Python爬虫验证码识别(使用Tesseract OCR识别)
- python验证码识别实战2
- python验证码识别实例代码
- 常用验证码的识别方法
- python使用Tesseract库识别验证
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。
计算机算法设计与分析
王晓东 / 电子工业出版社 / 2007-5 / 29.50元
《计算机算法设计与分析(第3版)》为普通高等教育“十一五”国家级规划教材,是计算机专业核心课程“算法设计与分析”教材。全书以算法设计策略为知识单元,系统介绍计算机算法的设计方法与分析技巧。主要内容包括:算法概述、递归与分治策略、动态规划、贪心算法、回溯法、分支限界法、随机化算法、线性规划与网络流、NP完全性理论与近似算法等。书中既涉及经典与实用算法及实例分析,又包括算法热点领域追踪。 为突出......一起来看看 《计算机算法设计与分析》 这本书的介绍吧!