一、tesseract简介
tesseract是一个ocr库(ocr是英文optical character recognition的缩写)，它用来对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程，tesseract是目前公认最优秀，识别相对精准的ocr库。
二、tesseract的使用
1.下载并安装tesseract：点击下载
2.在windows系统下设置环境变量：
#根据下载安装文件的路径配置环境变量
set tessdata_prefix f:\tesseract-ocr\
3.安装pytesseract模块
pip install pytesseract
4.在python脚本中引入tesseract.exe应用程序的方式：
pytesseract.pytesseract.tesseract_cmd = r'f:\tesseract-ocr\tesseract.exe'
5.案例演示
识别以下图片文字：
import pytesseract
from pil import image
#1.引入tesseract程序
pytesseract.pytesseract.tesseract_cmd = r'f:\tesseract-ocr\tesseract.exe'
#2.使用image模块下的open()函数打开图片
image = image.open('6.jpg',mode='r')
print(image)
#3.识别图片文字
code= pytesseract.image_to_string(image)
print(code)
结果演示：
<pil.jpegimageplugin.jpegimagefile image mode=rgb size=611x210 at 0x1a5dfdcb4a8>
google
注：tesseract-ocr引擎识别验证码有些无法识别，比如像豆瓣生成的验证码无法识别其内容，如果需要爬取豆瓣中的数据这时候就需要手动的输入验证码：
三、模拟登陆知乎源码
import requests
import time
import pytesseract
from pil import image
from bs4 import beautifulsoup
def captcha(data):
with open('captcha.jpg','wb') as fp:
fp.write(data)
time.sleep(1)
image = image.open("captcha.jpg")
text = pytesseract.image_to_string(image)
print "机器识别后的验证码为：" + text
command = raw_input("请输入y表示同意使用，按其他键自行重新输入：")
if (command == "y" or command == "y"):
return text
else:
return raw_input('输入验证码：')
def zhihulogin(username,password):
# 构建一个保存cookie值的session对象
sessiona = requests.session()
headers = {'user-agent':'mozilla/5.0 (windows nt 10.0; win64; x64; rv:47.0) gecko/20100101 firefox/47.0'}
# 先获取页面信息，找到需要post的数据（并且已记录当前页面的cookie）
html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content
# 找到 name 属性值为 _xsrf 的input标签，取出value里的值
_xsrf = beautifulsoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value')
# 取出验证码，r后面的值是unix时间戳,time.time()
captcha_url = 'https://www.zhihu.com/captcha.gif?r=%d&type=login' % (time.time() * 1000)
response = sessiona.get(captcha_url, headers = headers)
data = {
"_xsrf":_xsrf,
"email":username,
"password":password,
"remember_me":true,
"captcha": captcha(response.content)
}
response = sessiona.post('https://www.zhihu.com/login/email', data = data, headers=headers)
print response.text
response = sessiona.get('https://www.zhihu.com/people/maozhaojun/activities', headers=headers)
print response.text
if __name__ == "__main__":
#username = raw_input("username")
#password = raw_input("password")
zhihulogin('xxxx@qq.com','alaxxxxime')
相关推荐：
python下调用pytesseract识别某网站验证码
以上就是python使用tesseract库实现识别验证的详细内容。