python + tesseract 识别网站验证码

首先需要下载tesseract-ocr-setup-3.02.02.exe，来自谷歌的一个ocr识别项目，提供一个地址：

http://pan.baidu.com/s/1jI551Gi

下载后进行安装，本例安装地址是：C:\Program Files (x86)\Tesseract-OCR\tesseract.exe

然后需要在安装python对应的支持库PIL，pytesseract

pip install pilpip install pytesseract

记录一段测试代码：

 1 # -*- coding: utf-8 -*-
 2
 3 import urllib.request, urllib.parse
 4 from PIL import Image
 5 from pytesseract import *
 6
 7 ‘‘‘
 8 获取验证码
 9 ‘‘‘
10 auth_img_url = r‘https://********/authImage?‘
11 urllib.request.urlretrieve(auth_img_url, ‘auth.jpg‘)
12
13 ‘‘‘
14 对图像进行灰度化，二值化处理
15 ‘‘‘
16 img = Image.open(‘auth.jpg‘)
17 img_gray = img.convert(‘L‘)
18
19 threshold = 140
20 table = []
21 for i in range(256):
22     if i < threshold:
23         table.append(0)
24     else:
25         table.append(1)
26
27 out = img_gray.point(table, ‘1‘)
28 # out.save(‘auth_b.jpg‘)
29
30 ‘‘‘
31 识别验证码中的文字
32 ‘‘‘
33 auth = pytesseract.image_to_string(out)
34
35 print(auth)

ps. 可能出现“FileNotFoundError: [WinError 2] 系统找不到指定的文件”的提示，解决办法是：

打开文件 pytesseract.py，将tesseract_cmd的值修改为全路径

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
# tesseract_cmd = ‘tesseract‘
tesseract_cmd = r‘C:\Program Files (x86)\Tesseract-OCR\tesseract.exe‘