本篇是关于验证码识别问题，也是Python爬虫笔记的一个结尾，使用 Tesseract

Python爬虫教程-29-验证码识别-Tesseract-OCR

• 常见反爬虫手段：
  
  • 验证码
    
    • 1.简单图片，扭曲数字验证码
    • 2.中文顺序点击
    • 3.动态验证码
    • 4.滑动验证：滑动小方块到缺口
    • 5.语音验证
    • 6.极验验证：官 ：http://www.geetest.com/
      根据鼠标轨迹，判定是机器人还是用户，很强大的验证机制
• 对于极验是很厉害的拦截机器人手段，好像是使用人工智能机器学习，当然自己想做验证的话建议使用。对于验证有反爬虫，就有可能有反反爬虫

爬虫-验证码识别

• 通用方法：
  
  • 1.下载 页和验证码，或截图
  • 2.然后手动输入验证码
• 对于简单图片
  
  • 1.使用图像识别软件或者文字识别软件
  • 2.可以使用第三方图像验证码破解 站
    
    • 比如：超级鹰：http://www.chaojiying.com/
• 对于极验，官 ：http://www.geetest.com/
  
  • 可以模拟鼠标移动，具体的方法我还不清楚

通用方法案例

• 能力有限，这里就介绍通用方法，先下载得到验证图片，然后手动输入
• Tesseract
  
  • 机器视觉领域的基础软件
  • OCR：OpticalChracterRecognition，光学文字识别
  • Tesseract：是一个 OCR 库，由 Google 赞助

Tesseract-Windows的安装

• Tesseract Windows安装包下载：https://digi.bib.uni-mannheim.de/tesseract/
• 上面链接看着头疼就下我的 盘里的：
  
  • 链接：https://pan.baidu.com/s/13KRXi-2FCkA9_6MBQ_wxeg 密码：gtp1
• 安装的话就默认安装就好，如果选中那个在线安装包，会很慢，耐心等下
• 路径最好不要更改，除非熟练掌握环境变量

Tesseract-macOS的安装

• 我也没有 MacBook，老师顺口一说，记下了
• brew install tesseract

Tesseract-Linux的安装

• 我这里是 Ubuntu 18 其他 Linux 版本不确定，进入管理员用户
• apt-get install tesseract-ocr

python使用tesseract的工具 pytesseract 的安装

• 如果使用的是 Anaconda 环境：

  • 进入当前环境：(我的环境名为learn，如果只有一个base环境，忽略此步)

    activate learn

  • 安装 pytesseract

    pip install pytesseract

  • 操作截图
    

  • 代码 py30pytess.py 文件：

  运行结果

  • 这里是错了一个字符，因为需要用很多数据去训练，才能得到更高的准确率
    
  • 如果想看训练的部分，点击：Tesseract-OCR-02-使用 jTessBoxEditor 提高文字识别准确率

  更多文章链接：Python 爬虫随笔

  ---

  声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！