python使用Tesseract库识别验证

图片 1

结果演示:

pytesseract.pytesseract.tesseract_cmd = r'F:\Tesseract-OCR\tesseract.exe'

二、Tesseract的使用

注:tesseract-OCLacrosse引擎识别验证码某个力不从心分辨,比方像豆瓣生成的验证码不能甄别其剧情,假如急需爬取豆瓣中的数据那时候就须求手动的输入验证码:

pip install pytesseract

3.安装pytesseract模块

上述正是本文的全体内容,希望对大家的上学抱有帮忙,也愿意大家多多帮助脚本之家。

#根据下载安装文件的路径配置环境变量
set TESSDATA_PREFIX F:\Tesseract-OCR\

4.在Python脚本中引入tesseract.exe应用程序的章程:

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')

一.下载并设置Tesseract:点击下载

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)

伍.案例演示

您可能感兴趣的篇章:

<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=611×210 at
0x1A5DFDCB4A8>
Google

叁、模拟登入网易源码

二.在Windows系统下设置情形变量:

Tesseract是2个OCPRADO库(OCXC90是英文Optical Character
Recognition的缩写),它用来对文件资料举办围观,然后对图像文件进行辨析管理,获取文字及版面信息的经过,Tesseract是时下公认最杰出,识别相对精准的OCRubicon库。

一、Tesseract简介

分辨以下图片文字:

图片 2

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图