目錄
- 1. 環境準備
- 1.1 安裝pillow 和 pytesseract
- 1.2 安裝Tesseract-OCR.exe
- 1.3 更改pytesseract.py的ocr路徑
- 2. 測試識別效果
- 3. 實戰案例–實現古詩文網驗證碼自動識別登錄
- 總結
1. 環境準備
1.1 安裝pillow 和 pytesseract
python模塊庫需要 pillow 和 pytesseract 這兩個庫，直接pip install 安裝就好了。
pip install pillow
pip install pytesseract
1.2 安裝Tesseract-OCR.exe
下載地址：ocr下載地址
建議下載最新穩定版本：
tesseract-ocr-w64-setup-v5.0.0.20190623.exe。
安裝過程很簡單，直接點擊下一步就完事了，其間可以默認安裝路徑，也可以自定義安裝路徑，裝好之后，把它的安裝路徑添加到環境變量中即可，如我的這樣：
我的安裝位置：
環境變量就這樣加：
1.3 更改pytesseract.py的ocr路徑
我們pip install pytesseract 之后，在python解釋器安裝位置包里可以找到pytesseract.py文件如下：
打開之后，更改：
至此，環境準備工作算是大功告成了。
2. 測試識別效果
ocr一直默認安裝，起始就可以支持數字和英文字母識別的，接下來
我們準備一張驗證碼圖片：
將圖片，命名為captcha.png，放到程序同一目錄下
import pytesseract
from PIL import Image
image = Image.open("captcha.png")
print(pytesseract.image_to_string(image))
效果：
我們再嘗試一下中文識別。
在進行識別之前我們要先下載好中文拓展語言包，
語言包地址
下載需要的的語言包，如下圖，紅框內為中文簡體語言包：
下載后將該包直接放在ocr程序安裝目錄的tessdata文件夾里面即可。
找一張圖片測試一下：
import pytesseract
from PIL import Image
image = Image.open("00.jpg")
print(pytesseract.image_to_string(image,lang='chi_sim'))
效果：
有時候文本識別率并不高，建議圖像識別前，先對圖像進行灰度化和 二值化
代碼示例：
import pytesseract
from PIL import Image
file = r"00.jpg"
# 先對圖像進行灰度化和 二值化
image = Image.open(file)
Img = image.convert('L') # 灰度化
#自定義灰度界限，這里可以大于這個值為黑色，小于這個值為白色。threshold可根據實際情況進行調整(最大可為255)。
threshold = 180
table = []
for i in range(256):
if i threshold:
table.append(0)
else:
table.append(1)
photo = Img.point(table, '1') #圖片二值化
#保存處理好的圖片
photo.save('01.jpg')
image = Image.open('01.jpg')
# 解析圖片，lang='chi_sim'表示識別簡體中文，默認為English
# 如果是只識別數字，可再加上參數config='--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789'
content = pytesseract.image_to_string(image, lang='chi_sim')
print(content)
3. 實戰案例–實現古詩文網驗證碼自動識別登錄
import pytesseract
from PIL import Image
from selenium import webdriver
def save_captcha(path):
driver = webdriver.Chrome() # 創建瀏覽器對象
driver.maximize_window()
driver.implicitly_wait(10)
driver.get(url=url)
image = driver.find_element_by_id('imgCode')
image.screenshot(path)
return driver
def recognize_captcha(captcha_path):
captcha = Image.open(captcha_path) # 打開圖片
grap = captcha.convert('L') # 對圖片進行灰度化處理
data = grap.load() # 將圖片對象加載成數據
w, h = captcha.size # 獲取圖片的大小(寬度,高度)
# 圖片二值化處理
for x in range(w):
for y in range(h):
if data[x, y] 140:
data[x, y] = 0
else:
data[x, y] = 255
code = pytesseract.image_to_string(grap) # 對圖片進行識別
return code
def login(driver, code):
flag = True
email = '1242931802@qq.com' # 注冊的古詩文網賬號和密碼
password = 'xxxx'
try:
driver.find_element_by_id('email').send_keys(email)
driver.find_element_by_id('pwd').send_keys(password)
driver.find_element_by_id('code').send_keys(code)
driver.implicitly_wait(10)
driver.find_element_by_id('denglu').click()
except Exception as ex:
flag = False
return flag
if __name__ == '__main__':
url = 'https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'
captcha_path = './captcha.png'
count = 1
driver = save_captcha(captcha_path) # 獲取驅動
code = recognize_captcha(captcha_path) # 獲取驗證碼
print('識別驗證碼為:', code)
if login(driver, code):
driver.quit()
效果如下（有時候第一次可能識別失敗，可以寫個循環邏輯讓它多識別幾次，一般程序運行1-3次基本會識別成功）：
總結
到此這篇關于python實現簡單驗證碼識別的文章就介紹到這了,更多相關python驗證碼識別內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 教你如何用Python實現人臉識別（含源代碼）
- 怎么用Python識別手勢數字
- python 如何做一個識別率百分百的OCR
- 如何利用Python識別圖片中的文字詳解
- Python利用機器學習算法實現垃圾郵件的識別
