首页 > 编程 > Python > 正文

python使用Tesseract库识别验证

2020-01-04 15:24:08
字体:
来源:转载
供稿:网友

一、Tesseract简介

Tesseract是一个OCR库(OCR是英文Optical Character Recognition的缩写),它用来对文本资料进行扫描,然后对图像文件进行分析处理,获取文字及版面信息的过程,Tesseract是目前公认最优秀,识别相对精准的OCR库。

二、Tesseract的使用

1.下载并安装Tesseract:点击下载

2.在Windows系统下设置环境变量:

#根据下载安装文件的路径配置环境变量set TESSDATA_PREFIX F:/Tesseract-OCR/

3.安装pytesseract模块

pip install pytesseract

4.在Python脚本中引入tesseract.exe应用程序的方式:

pytesseract.pytesseract.tesseract_cmd = r'F:/Tesseract-OCR/tesseract.exe'

5.案例演示

识别以下图片文字:

python,Tesseract,识别验证

import pytesseractfrom PIL import Image#1.引入Tesseract程序pytesseract.pytesseract.tesseract_cmd = r'F:/Tesseract-OCR/tesseract.exe'#2.使用Image模块下的Open()函数打开图片image = Image.open('6.jpg',mode='r')print(image)#3.识别图片文字code= pytesseract.image_to_string(image)print(code)

结果演示:

<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=611x210 at 0x1A5DFDCB4A8>
Google

注:tesseract-OCR引擎识别验证码有些无法识别,比如像豆瓣生成的验证码无法识别其内容,如果需要爬取豆瓣中的数据这时候就需要手动的输入验证码:

python,Tesseract,识别验证

三、模拟登陆知乎源码

import requestsimport timeimport pytesseractfrom PIL import Imagefrom bs4 import BeautifulSoupdef captcha(data):  with open('captcha.jpg','wb') as fp:    fp.write(data)  time.sleep(1)  image = Image.open("captcha.jpg")  text = pytesseract.image_to_string(image)  print "机器识别后的验证码为:" + text  command = raw_input("请输入Y表示同意使用,按其他键自行重新输入:")  if (command == "Y" or command == "y"):    return text  else:    return raw_input('输入验证码:')def zhihuLogin(username,password):  # 构建一个保存Cookie值的session对象  sessiona = requests.Session()  headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0'}  # 先获取页面信息,找到需要POST的数据(并且已记录当前页面的Cookie)  html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content  # 找到 name 属性值为 _xsrf 的input标签,取出value里的值  _xsrf = BeautifulSoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value')  # 取出验证码,r后面的值是Unix时间戳,time.time()  captcha_url = 'https://www.zhihu.com/captcha.gif?r=%d&type=login' % (time.time() * 1000)  response = sessiona.get(captcha_url, headers = headers)  data = {    "_xsrf":_xsrf,    "email":username,    "password":password,    "remember_me":True,    "captcha": captcha(response.content)  }  response = sessiona.post('https://www.zhihu.com/login/email', data = data, headers=headers)  print response.text  response = sessiona.get('https://www.zhihu.com/people/maozhaojun/activities', headers=headers)  print response.textif __name__ == "__main__":  #username = raw_input("username")  #password = raw_input("password")  zhihuLogin('xxxx@qq.com','ALAxxxxIME')

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持VEVB武林网。


注:相关教程知识阅读请移步到python教程频道。
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表