爬虫学习笔记--识别验证码

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

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • 前言 相信大家利用 Python 写的爬虫应该遇到过要输入验证码的尴尬局面,又或者写了个自动填充表单的小程序,结果...
    迦度蓝洛阅读 16,680评论 2 35
  • 我自己的理解 有可能绕过认证码尽量选择绕过去,请多尝试,绕过去爬取效率高不少; 先不考虑那些一天一套认证码的网站,...
    __混沌阅读 8,323评论 1 1
  • 1、简介 ​ a、Python-tesseract 是一个基于 google's Tesseract-OCR ...
    慢慢慢慢热阅读 12,117评论 1 5
  • 快毕业实习那年,我应聘了一家公司,老总答应我只负责国际贸易方面的业务,但后来又说为了锻炼我,前三个月先熟悉国内方面...
    05f3ae22a228阅读 2,682评论 0 0
  • 最近集中学习一些关于学习方法和效率提高的文章,总结、分享给大家: 1、学习成长曲线图 很多人在“缓慢开始区”尝试了...
    Ph5_Elle阅读 2,415评论 0 0

友情链接更多精彩内容