内容简介:主要思路是根据需要识别语言配置(参照比如我这边是4.0版本,我需要的是对英文的ocr识别(识别英文的验证码),我就直接下载4.00版本的
主要思路是根据 教程 使用源码安装完tesseract后,然后通过安装pillow与pytesseract打通 python 进行在python代码中引用使用。
I. 依赖安装
brewinstallautomake autoconf libtool brewinstallpkgconfig brewinstallicu4c brewinstallleptonica brewinstallgcc
II. Tesseract编译安装
git clone https://github.com/tesseract-ocr/tesseract/ cd tesseract ./autogen.sh ./configure CC=gcc-8 CXX=g++-8 CPPFLAGS=-I/usr/local/opt/icu4c/include LDFLAGS=-L/usr/local/opt/icu4c/lib make -j sudo make install # if desired
III. 语言配置
需要识别语言配置(参照 教程 ):
- 前面安装完后,你会发现在
/usr/local/share/tessdata会有默认的data,将export TESSDATA_PREFIX='/usr/local/share/tessdata'配置到系统环境中 - 在 这里 下载对应版本的语言包
- 将下载的语言包直接放到这个
/usr/local/share/tessdata
比如我这边是4.0版本,我需要的是对英文的ocr识别(识别英文的验证码),我就直接下载4.00版本的 eng.traineddata :
然后再将下载下来的 eng.traineddata 放到到 /usr/local/share/tessdata 中即可:
IV. 打通Python
这边打通python直接通过 pytesseract ,十分方便。
先安装pillow:
pip install pillow
再安装pytesseract:
pip install pytesseract
安装完成后就可以通过其在python中使用了,如:
try:
from PIL import Image
except ImportError:
import Image
import pytesseract
# Simple image to string
print(pytesseract.image_to_string(Image.open('test.png')))
# French text image to string
print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))
更多使用方法参照 官方 的文档。
以上所述就是小编给大家介绍的《Python爬虫验证码识别(使用Tesseract OCR识别)》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
史蒂夫·乔布斯传
[美] 沃尔特·艾萨克森 / 管延圻、魏群、余倩、赵萌萌、汤崧 / 中信出版社 / 2011-10-24 / 68.00元
这本乔布斯唯一授权的官方传记,在2011年上半年由美国出版商西蒙舒斯特对外发布出版消息以来,备受全球媒体和业界瞩目,这本书的全球出版日期最终确定为2011年11月21日,简体中文版也将同步上市。 两年多的时间,与乔布斯40多次的面对面倾谈,以及与乔布斯一百多个家庭成员、 朋友、竞争对手、同事的不受限的采访,造就了这本独家传记。 尽管乔布斯给予本书的采访和创作全面的配合,但他对内容从不干......一起来看看 《史蒂夫·乔布斯传》 这本书的介绍吧!