Python 验证码识别-- tesserocr

2022-01-23 22:52:25

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 。

相关链接：
tesserocr GitHub: https://github.com/sirfz/tesserocr

tesserocr
PyPI: https://pypi.python.org/pypi/tesserocr

tesseract
下载地址: http://digi.bib.uni-mannheim.de/tesseract

tesseract
GitHub: https://github.com/tesseract-ocr/tesseract

tesseract
语言包: http://github.com/tesseract-ocr/tessdata

tesseract
文档: https://github.com/tesseract-ocr/tesseract/wiki/Documentation

Windows下的安装

1，首先需要下载 tesseract，它为 tesserocr 提供了支持。

进入下载页面，可以看到有各种 .exe 文件的下载列表，这里可以选择下载 4.0 版本。如下图所示为 4.0 版本。

2，下载完成后双击运行，安装程序。

我的环境是在anaconda3上运行的Python,anaconda3安装在C盘，所以我就把tesseract也装在了C盘。

需要注意的是，需要勾选 Additional language data(download）选项来安装 OCR
识别支持的语言包，下载语言包的时间比较久，之后我又安装了一次，不勾这个选项，然后在git上下载需要的语言包，放在tessdata文件夹中。勾选这个选项的话， OCR 便可以识别多国语言。

给tesseract配置环境变量：

（1）将tesseract安装路径添加到path环境变量中

（2）将tesseract的语言包添加到环境变量中，在环境变量中新建一个系统变量，变量名称为TESSDATA_PREFIX，tessdata是放置语言包的文件夹，一般在你安装tesseract的目录下，即tesseract的安装目录就是tessdata的父目录，把TESSDATA_PREFIX的值设置为C:\Program Files (x86)\Tesseract-OCR\tessdata即可

3，接下来，再安装 tesserocr 即可：

（1）pip install tesserocr pillow
（2）如果通过 pip 安装失败，可以尝试 Anaconda 下的 conda 来安装：

conda install -c
simonflueckiger tesserocr pillow

（3）如果以上2种方法都安装失败，就在下边的2个地址下载一个whl文件

tesserocr
GitHub: https://github.com/sirfz/tesserocr

tesserocr
PyPI: https://pypi.python.org/pypi/tesserocr

我下载的是

tesserocr-2.4.0-cp37-cp37m-win_amd64.whl

把文件拷贝到anaconda3的文件夹下，打开命令行模式，执行以下命令

canda
install tesserocr-2.4.0-cp37-cp37m-win_amd64.whl

第三种方法应该可以解决问题

4，测试

在网上随便找一个验证码图片

输入以下代码：

from PIL import Image

import tesserocr

image = Image.open('12.jpg')

print(tesserocr.image_to_text(image))

结果：

码农公寓

相关文章