=======================================
【提示】本文中pyteser适用于python2.X。如果用的是pyhon3.X,需要下载PyTesser3.
第一个坑: PyTesser3需要搭配tesseract-ocr使用,和下文操作不同。
第二个坑: PyTesser3安装后居然需要你手动更改一个地址:__init__.py文件第11行的tesseract地址。
第三个坑:我在 下载tesseract-ocr,以为能使用。但是执行程序时候报错:[WinError 5] 拒绝访问。
我不知道哪里的问题,想来想去可能是windows问题,于是下载了windows版本的tesseract(用exe安装):。依然报错:[WinError 5] 拒绝访问。
综上,本问题本人没解决。能不用windows就别用windows。
=======================================
<h1 id="前言">前言:
春节期间,无法全身心投入地去写爬虫,那就玩玩验证码吧,应该比较有趣!
首次接触验证码识别,用PyTesser接触一下最简单的验证码先,代码参照:。具体细节可以参见原文,里面安装和报错处理没有详细记录,我在此处主要记录一下自己的安装及处理过程。
<h1 id="效果"><a name="t1">效果:
可识别以下类型的验证码:
<h1 id="正文"><a name="t2">正文:
<h2 id="代码"><a name="t3">代码:
<pre class="has">
# encoding=utf-8
from PIL import Image
from PyTesser import *
img = Image.open('验证码.jpg')
img_grey = img.convert('L')
threshold = 140
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
img_out = img_grey.point(table,'1')
text = image_to_string(img_grey) # 将图片转成字符串
print text
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
<h2 id="安装包"><a name="t4">安装包:
需要安装的包主要有两个: PIL 和 pytesser 。
我的环境:64位win8系统、python2.7
<h3 id="pil模块的安装"><a name="t5">PIL模块的安装:
PIL 全称 “ Imaging Library”。
下载地址:
我下载了
运行报错:Python version 2.7 required,which was not found in the registry.
网上找出原因:这个 PIL 安装资源是给32位,32位和64位操作系统下的python在注册表中的路径是不一样的:
64位检查注册表的位置是: HKLM|HKCU\SOFTWARE\
32位检查注册表的位置是: HKLM|HKCU\SOFTWARE\wow6432node\
所以在64位系统中自然检查不出有Python。
解决方案:
官方没有提供64位的PIL库,但非官方有:。
下载里面的pillow库:
然后在命令行安装该模块: pip install G:/For_Life/360download/Pillow-3.1.1-cp27-none-win_amd64.whl
注意:在 pillow 下载页中有一行 “Use ‘from PIL import Image’ instead of ‘import Image’” ,所以一般方法安装的 PIL 要导入 Image 模块使用 “import Image” ,而此方法安装的 PIL 要使用 “from PIL import Image” 。
更多请见:。
<h3 id="pytesser模块的安装"><a name="t6">PyTesser模块的安装:
下载地址:。(此网址有时候会加载失败,我将自己下载的放在微盘上了: 密码:DPHE)
下载后得到 “PyTesser_v0.0.1.zip”,是一个压缩文件,使用方法:
1、在 “D:\For_Software\others\Python_PyDev\Python\Lib\site-packages” 路径下新建一个文件夹,命名 “PyTesser” 。把 “PyTesser_v0.0.1.zip” 里的文件解压到该目录:
2、将 “PyTesser.py” 改名为 “__init__.py”。
3、打开 “__init__.py” 文件,将 “tesseract_exe_name” 变量的值改为 “‘D:/For_Software/others/Python_PyDev/Python/Lib/site-packages/PyTesser /tesseract’”(原值为 “‘tesseract’”)。
4、PyTesser 模块依赖于 PIL 模块,如果是按照上面的方法安装 PIL 的话,需要把 “init.py” 文件里的 “import Image” 改成 “from PIL import Image” 。
(注意以上的路径要改成自己的路径,不要原搬照抄,应该不会这么笨吧)
如果报错:WindowsError: [Error 2]
可能的原因:python找不到 “tesseract.exe”,执行步骤3给python指定一个绝对路径就可以了。
如果报错:ImportError: No module named Image
可能的原因:在 PyTesser 中的 “__init__.py” ,导入 Image 的方式不对,见步骤4。
<h1 id="总结"><a name="t7">总结:
其实这只是处理最简单的验证码而已,代码也很简单,主要做两个工作而已。第一个是将彩色图片转成灰度图片并除噪,第二个是使用 pytesser.image_to_string() 将图片中的字符提取出来。
处理的图片也是非常有限的图片上的数字或字母必须没有变形(即使是没有变形的情况下还会出现数字跟字母混淆的情况),验证码的背景不能太复杂,允许字体加上一些颜色。
这么简单的验证码估计很少见,不常用。所以这么简单的处理方法,我们看一看也就可以了,如果实际使用的话技术还有待深入。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。