python使用pytesseract识别验证码的方法

太过爱你忘了你带给我的痛 2022-09-22 01:16 210阅读 0赞

**1、系统环境**

*  **OS X  10.7**
 *  **MacBook Pro(13英寸，2012年初期)**
 *  **Python 2.7**

2、需要软件包

a、需要安装PIL以及pytesseract库

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

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；

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；

Python-tesseract支持python2.5及更高版本；

PIL［Python Imaging Library］来支持更多的图片格式；

b、需要安装google [ tesseract-ocr][tesseract-ocr]

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；

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。

3、程序

import pytesseract  
    from PIL import Image  
  
    image = Image.open('./0.png')  
    code = pytesseract.image\_to\_string(image)  
    print (code)

4、PLI安装

mac安装PIL有点麻烦，此处不再详叙。参见我的其他博客内容！

5、安装google [tesseract-ocr][]

## 准备工作1 ##

> tips：以下依赖文件，可进入[http://ftpmirror.gnu.org/][http_ftpmirror.gnu.org]中找到对应的文件进行下载，推荐每个包看日期下载最新版本，以下为本文下载的安装包。

*  [`libtool-2.4.6.tar.gz`][libtool-2.4.6.tar.gz]
 *  [`autoconf-latest.tar.gz`][autoconf-latest.tar.gz]
 *  [`automake-1.15.tar.gz`][automake-1.15.tar.gz]
 *  [`jpegsrc.v9b.tar.gz`][jpegsrc.v9b.tar.gz]

> 以上必需安装大礼包可上百度云盘免费领取，如过期请自行下载，链接: [ http://pan.baidu.com/s/1i56i5e9][http_pan.baidu.com_s_1i56i5e9] 密码: 7rhq

## 安装步骤1 ##

> 以automake-1.15.tar.gz为例，请依次顺序安装。
> 
> ![Center][]  
>

> 安装步骤1一般不会出现什么问题，轻松安装。

## 准备工作2 ##

> tips：以下依赖文件，请用brew进行直接下载安装，如果用安装包编译安装的话，可能会出现难以解决的问题。哎，心烧得慌。
> 
> brew for mac 的安装方法，在mac命令行控制台执行如下命令：
> 
>     /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

*  [`tiff-4.0.6.tar.gz`][tiff-4.0.6.tar.gz]
 *  [`libpng-1.6.21.tar.gz`][libpng-1.6.21.tar.gz]
 *  [`leptonica-1.73.tar.gz`][leptonica-1.73.tar.gz]
 *  [`tesseract-ocr-3.04.01.zip`][tesseract-ocr]

## 安装步骤2 ##

> 请用brew依次顺序安装，如下：
> 
> ![Center 1][]  
>

> 此过程可能会出现不少问题，心里脆弱的也许会马上崩溃，如同这样：

痛定思痛之后，还是继续解决问题吧，最常见的问题可能是：

> ![这里写图片描述][20160426210202184]
> 
> 不要觉得下载安装看上去好像正常，但是出现error就必须重视看看，大致意思是说创建link的过程中***\*\*\**** is not writable，目录不可写怎么办，改权限，可以直接暴力点上777。就本例所示：
> 
> ![Center 2][]

> 解决该类问题的思路很简单，什么不可写就上777，再按照Error后面紧跟的提示，比如说You can using again using …重试加link即可。 当安装正常，问题全部修复后，运行：
> 
> ![Center 3][]  
>

> 至此，tesseract的安装已完成95%，仅剩最后的语言包配置。仿佛看见胜利的曙光，\[愁绪挥不去苦闷快散去\]。

## 安装步骤3 ##

> 需要在[tesseract-ocr][]下载语言包，因为语言包有几百兆甚至1个G，没必要完全下载。只用下载eng（英语）、chi\_sim（中文简体）、chi\_tra（中文繁体）。有趣的事情来了，不少github新手，不知道如何在github上下载某个项目里面某个具体的文件。因为github上面只有在项目的主页才有显性的Download Zip按钮，只能一次性下载整个项目。不用担心，一张图让你明白怎么解决整个问题。
> 
> ![这里写图片描述][20160426212142636]

然后将下载的语言包导入tessdata文件夹即。可能有人不太明白tessdata文件夹在哪儿，其实不用明白也可以。这里可以假装已经导入，进行测试步骤，运行：

![Center 4][]

![这里写图片描述][20160426211615727]

> 直接导入到对应目录即可。So mission 100% completed.
> 
> ![这里写图片描述][20160426212405746]

## 测试步骤4 ##

> 本文测试样张为[12306验证码接口][12306]提供的验证码，下载后用Photoshop裁剪文字部分，如下图示：
> 
> 运行：
> 
> ![Center 5][]  
>

> ![这里写图片描述][20160426213305445]
> 
> 结果差强人意，正确识别出了5个字，剩下的就靠自己的研究了。

## 安装过程中大写的错误 ##

> 前文交代过，第二部分如果用安装包编译安装的话，每一步都是正常通过，但tesseract就是没法用。具体表现为：
> 
> ![Center 6][]

> 首先提示，检测不到libjpeg、libpng、libtiff库，可宝宝已经无数次检查安装过。只能重复的进行sudo make uninstall、sudo ./configure && sudo make && sudo make install，以为是版本不兼容，换了好多版本尝试也没结果。  
> 检测不出来不管了，直接测试功能，结果提示
> 
> ![这里写图片描述][20160426213919203]
> 
> 上百度谷歌了一下，找了许多方法，基本上都是说缺少前面的三个包，重新卸载安装，还有的救，结果我经过了一下午数十次重复安装的情况下也没能救的了自己，那就换思路，做学问要一丝不苟，不怕失败。结果用brew弄好了，不错，好的开始，加油明天。

[tesseract-ocr]: https://github.com/tesseract-ocr
[http_ftpmirror.gnu.org]: http://ftpmirror.gnu.org/
[libtool-2.4.6.tar.gz]: http://mirror.hust.edu.cn/gnu/libtool/
[autoconf-latest.tar.gz]: http://mirror.hust.edu.cn/gnu/autoconf/
[automake-1.15.tar.gz]: http://mirror.hust.edu.cn/gnu/automake/
[jpegsrc.v9b.tar.gz]: http://www.ijg.org/
[http_pan.baidu.com_s_1i56i5e9]: http://pan.baidu.com/s/1i56i5e9
[Center]: /images/20220721/547922873c4b4e9a9f0e8eecfa46b16a.png
[tiff-4.0.6.tar.gz]: http://www.linuxfromscratch.org/blfs/view/svn/general/libtiff.html
[libpng-1.6.21.tar.gz]: https://sourceforge.net/projects/libpng/files/latest/download?source=files
[leptonica-1.73.tar.gz]: http://www.leptonica.com/download.html
[Center 1]: /images/20220721/7fded1748b834fc991ac0d681c9ac556.png
[20160426210202184]: /images/20220721/15d0ecc94676476ca66a426d453404cb.png
[Center 2]: /images/20220721/65aadc925fb84fd18bcbd4f3adad6cfb.png
[Center 3]: /images/20220721/1136a1999a1b413087bb022fbd3ec4f9.png
[20160426212142636]: /images/20220721/d23fb6ffd7634ca1b1e8af10155e221c.png
[Center 4]: /images/20220721/079d8025488b48e7bfec65a7831b3924.png
[20160426211615727]: /images/20220721/c8dea03aacab430b8ac86de35c2f9f95.png
[20160426212405746]: /images/20220721/e3f8365241534bb180d071bf983289fd.png
[12306]: https://kyfw.12306.cn/otn/passcodeNew/getPassCodeNew?module=login&rand=sjrand&0.12528680684044957
[Center 5]: /images/20220721/89056a2cbd35468baeddd2de6930e296.png
[20160426213305445]: /images/20220721/8172255c7f0a465296257bf2b66039d0.png
[Center 6]: /images/20220721/3bf838f3b8424116b0668ed94db649c7.png
[20160426213919203]: /images/20220721/0424aa9c94ac4da6a7ebe4febcb41f66.png