【技术】python+PIL+pytesser处理验证码环境搭建

=======================================

【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：

这里写图片描述

<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

<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.

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：

pytesser模块的安装

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]

pytesser 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

pytesser 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。

转自:

【技术】python+PIL+pytesser处理验证码环境搭建

相关推荐