在爬虫过程中 有些登陆 会遇到验证码
这里可以使用PIL、pytesser、tesseract
参考这篇文章
http://blog.csdn.net/evankaka/article/details/49533493
但是有些工具就不要用这篇文章推荐的了 要很多积分
pytesseract 可以使用pip 下载
至于tesseract可以用官网的资源
https://sourceforge.net/projects/tesseract-ocr-alt/files/
那个.exe文件结尾的就是
from PIL import Image
import pytesseract
im = Image.open('tupian2.jpg')
gray = im.convert('L')
gray.show()
threshold = 150
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
out = gray.point(table,'1')
out.show()
out.save("tupian_thresholded.png")
选一个验证码的图片 用上面的方法降噪
import pytesseract
from PIL import Image
th = Image.open('tupian_thresholded.png')
print(pytesseract.image_to_string(th))
用这个方法得到输出
这里编译会出一些问题 把刚刚下载的
tesseract-ocr-setup-3.02.02.exe
安装 把 里面的tesseract.exe和tessdata复制到当前工程同一目录下就好了
但是我测试后觉得 这个库得到的效果一般 有一些图片会识别错误的
还是供大家参考
