摘要：
OCR技术：，但它实际上是tesseract的Python API封装，所以它的核心是
OCR 技术：
(1) 在爬虫过程中，难免会遇到各种各样的验证码，而大多数验证码还是罔形验证码，这时候我们可以直接用 OCR 来识别
(2) OCR ，即 Optical Character Recognition ，光学字符识别， 是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程
(3) tesserocr 是 Python 的一个OCR 识别库，但其实是对 tesseract 做的一层 Python API 封装，所以它的核心是 tesseract。因此，在安装 tesserocr 之前，我们需要先安装 tesseract
Windows 下安装 tessorocr：
1. 先安装 tessoract，下载地址：https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-3.05.01.exe
2. 再安装 tessorocr，使用 pip3 安装即可：pip3 install tesserocr pillow
Linux 下安装 tessorocr：
yum install -y tesseract
git clone https://github.com/tesseract-ocr/tessdata.git
sudo mv tessdata/* /usr/share/tesseract/tessdata
pip3 install tesserocr pillow
Python 识别图片验证码：
import tesserocr from PIL import Image image = Image.open('1.png') # Opens and identifies the given image file result = tesserocr.image_to_text(image) # Recognize OCR text from an image object print(result)
Python 识别有干扰的图片验证码：
import tesserocr from PIL import Image image = Image.open('2.png') image = image.convert('L') threshold = 127 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) image = image.point(table, '1') result = tesserocr.image_to_text(image) print(result)
