python下调用pytesseract识别某网站验证码的实现方法(python调用ch)

推荐整理分享python下调用pytesseract识别某网站验证码的实现方法(python调用ch)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:python调用pygame,Python下调用CH347DLL的方法,python调用pyd文件的方法,python 调用py,python调用pyc文件,python调用pyc文件,Python下调用CH347DLL的方法,python调用ch,内容如对您有帮助，希望把文章链接给更多的朋友！

一、pytesseract介绍

1、pytesseract说明

pytesseract最新版本0.1.6，网址： is a wrapper for google's Tesseract-OCR( ). It is also useful as astand-alone invocation script to tesseract, as it can read all image typessupported by the Python Imaging Library, including jpeg, png, gif, bmp, tiff,and others, whereas tesseract-ocr by default only supports tiff and bmp.Additionally, if used as a script, Python-tesseract will print the recognizedtext in stead of writing it to a file. Support for confidence estimates andbounding box data is planned for future releases.

翻译一下大意：

a、Python-tesseract是一个基于google's Tesseract-OCR的独立封装包；

b、Python-tesseract功能是识别图片文件中文字，并作为返回参数返回识别结果；

c、Python-tesseract默认支持tiff、bmp格式图片，只有在安装PIL之后，才能支持jpeg、gif、png等其他图片格式；

2、pytesseract安装

INSTALLATION:

Prerequisites:* Python-tesseract requires python 2.5 or later or python 3.* You will need the Python Imaging Library (PIL). Under Debian/Ubuntu, this isthe package "python-imaging" or "python3-imaging" for python3.* Install google tesseract-ocr from .You must be able to invoke the tesseract command as "tesseract". If thisisn't the case, for example because tesseract isn't in your PATH, you willhave to change the "tesseract_cmd" variable at the top of 'tesseract.py'.Under Debian/Ubuntu you can use the package "tesseract-ocr".

Installing via pip:

See the [pytesseract package page]( ```$> sudo pip install pytesseract

翻译一下：

a、Python-tesseract支持python2.5及更高版本；

b、Python-tesseract需要安装PIL（Python Imaging Library） ，来支持更多的图片格式；

c、Python-tesseract需要安装tesseract-ocr安装包。

综上，Pytesseract原理：

1、上一篇博文中提到，执行命令行 tesseract.exe 1.png output -l eng ，可以识别1.png中文字，并把识别结果输出到output.txt中；

2、Pytesseract对上述过程进行了二次封装，自动调用tesseract.exe，并读取output.txt文件的内容，作为函数的返回值进行返回。

二、pytesseract使用

USAGE:```> try:> import Image> except ImportError:> from PIL import Image> import pytesseract> print(pytesseract.image_to_string(Image.open('test.png')))> print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))

可以看到：

1、核心代码就是image_to_string函数，该函数还支持-l eng 参数，支持-psm 参数。

用法：

image_to_string(Image.open('test.png'),lang="eng" config="-psm 7")

2、pytesseract里调用了image，所以才需要PIL，其实tesseract.exe本身是支持jpeg、png等图片格式的。

实例代码，识别某公共网站的验证码(大家千万别干坏事啊，思虑再三，最后还是隐掉网站域名，大家去找别的网站试试吧……)：

三、pytesseract代码优化

上述程序在windows平台运行时，会发现有黑色的控制台窗口一闪而过的画面，不太友好。

略微修改了pytesseract.py（C:PythonLibsite-packagespytesseract目录下），把上述过程进行了隐藏。

# modified by zhongtang hide console window# new codeIS_WIN = 'win' in str(sys.platform).lower()if IS_WIN: startupinfo = subprocess.STARTUPINFO() startupinfo.dwFlags |= subprocess.STARTF_USESHOWWINDOW startupinfo.wShowWindow = subprocess.SW_HIDE proc = subprocess.Popen(command, stderr=subprocess.PIPE,startupinfo=startupinfo)'''# old codeproc = subprocess.Popen(command, stderr=subprocess.PIPE)'''# modified end

为了方便初学者，把pytesseract.py也贴出来，高手自行忽略。

以上……

以上这篇python下调用pytesseract识别某网站验证码的实现方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持积木网。

深入理解python函数递归和生成器 一、什么是递归如果函数包含了对其自身的调用，该函数就是递归的。递归做为一种算法在程序设计语言中广泛应用，它通常把一个大型复杂的问题层

深入浅析python定时杀进程 之前写了个python脚本用selenium+phantomjs爬新帖子，在循环拉取页面的过程中，phantomjs总是block住，使用WebDriverWait设置最长等待时间无效。用firefox替换phantom

Python的socket模块源码中的一些实现要点分析 BaseServer和BaseRequestHandlerPython为网络编程提高了更高级的封装。SocketServer.py提供了不少网络服务的类。它们的设计很优雅。Python把网络服务抽象成两个主