Tesseract ORC进行图片验证码识别教程

原理:直接用python实现验证码识别有些困难,但是可以通过第三方软件的辅助来实现,就是Tesseract ORC.下载地址:https://github.com/tesseract-ocr/tesseract/wiki/4.0-with-LSTM#400-alpha-for-windows

下载完成后安装tips:

image.png
image.png

可以选择多个包,包括数字,英语,中文,其他乱七八糟的就别选了,下载训练包要很久。

如果是默认安装的,安装完成后Tesseract ORC位于C:\Program Files (x86)\Tesseract-OCR

进入环境变量配置,分别将上述路径配置到path环境变量和新建的系统变量TESSDATA_PREFIX

image.png

最后,进入命令行模式,输入tesseract –v能正确显示版本信息,表示环境变量配置正确,否则自行检查环境变量。

命令行中进行识别的命令为:

tesseract img_path output_path –l eng –psm 7

其中img_path 为图片保存路径,output_path为识别后内容保存txt文件路径,不需要txt后缀

至此,外部软件Tesseract ORC已经安装完毕,可以知道,当前是有输入—验证码保存路径,有输出结果txt文件,那么只需要读取txt文件内容即可获得图片识别结果了。

以下是一个封装识别方法,在安装好Tesseract ORC的情况下使用即可。

安装pytesseract库及PIL库(pip install即可)

pytesseract作用是提供接口处理图片文字识别。

PIL作用是打开图片文件,并进行灰度、二值化处理。

image.png

其中tesseract_cmd为Tesseract –ORC目录,要根据安装路径配置

务必保证环境变量中有配置字符识别库TESSDATA_PREFIX

方法传入图片路径即可获得验证码内容(这种只能识别简单的验证码,如白底少干扰,
image.png

类似这种还需要更加复杂的图片颜色处理才能识别,或者下载特定字符训练库)

在UI****自动化中实现验证码识别:

两种方法:1、通过解析验证码图片URL使用requests库下载图片进行处理

2、通过截图,获取验证码所在位置截图,保存后进行处理。

结语:识别图片文字有时候需要对图片的灰度、二值化处理比较多,这里不做展开,简单的验证码使用这个方法就可以识别了。现在有些验证码比较丧心病狂决然是gif文件,使用这个方法识别不了,还是找开发注释比较靠谱。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,214评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,307评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,543评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,221评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,224评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,007评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,313评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,956评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,441评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,925评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,018评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,685评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,234评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,240评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,464评论 1 261
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,467评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,762评论 2 345

推荐阅读更多精彩内容

  • 1. 工具准备 Tesseract-OCR引擎该引擎由惠普公司开发,2005年开源,之后由Google开发维护。可...
    lossfunc阅读 1,468评论 1 4
  • 1、通过CocoaPods安装项目名称项目信息 AFNetworking网络请求组件 FMDB本地数据库组件 SD...
    阳明先生_x阅读 15,968评论 3 119
  • 目前,很多网站为了防止爬虫肆意模拟浏览器登录,采用增加验证码的方式来拦截爬虫。验证码的形式有多种,最常见的就是图片...
    猴哥爱读书阅读 19,790评论 7 15
  • 查看订阅的公众号是不是有点麻烦?在寻找合适的公众号时会不会有些麻烦? 像使用Googlereader 那样方便的在...
    英文秀阅读 3,169评论 4 13
  • 对计算机存储的数据执行的最常见的操作就是排序和检索。接下来我们要讲解的算法都是依赖数组来存储数据的,也就是js形式...
    海娩阅读 545评论 0 4