python爬虫-30-python之图形验证码技术

图形验证码是验证码的一种，是根据图里面的数字和字母输入进去，正确后便可以登陆程序的验证方式。现在很多网站都使用了这种技术，我们应该如何通过python
正确的识别到图形验证码呢？

1、安装tesseract

这里我们使用Tesseract
软件来进行识别，这个需要提前在你自己的电脑上安装，而后python
通过调用该软件来进行识别，不同的平台，比如windows
、linux
、mac
的安装，需要下载适合自己平台的软件来安装，安装方式大同小异，我这里使用的是windows
平台；

软件下载地址为：

https://tesseract-ocr.github.io/tessdoc/Downloads.html

访问以上地址之后，根据自己的需要，下载不同的版本即可，需要注意的是安装路径最好不要存在中文字符。

2、验证tesseract

需要我们先配置个环境变量，只需要将tresseract
的安装目录添加到环境变量即可；

然后我们在命令行执行如下命令：

tesseract 欲识别图片的地址 文本名字
# 第一个参数是你想识别图片的完整地址
# 第二个是识别结束之后将结果输出到这个文本中，不需要写后缀名

例如：

识别的图片为：

代码：

PS C:\Users\22768\Desktop> tesseract C:\Users\22768\Desktop\1654762989456.jpg 220609
Tesseract Open Source OCR Engine v3.02 with Leptonica
PS C:\Users\22768\Desktop>

然后他就会将识别结果输出到220609.txt
这个文本当中，我们看下这个文本中的内容：

123456

3、python识别图形验证码

我们接下来就使用python识别图片中的文字，也就是验证码；

我们需要提前安装几个模块，命令如下：

pip install pytesseract -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install Pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

然后我们需要看下支持什么语言：

import pytesseract
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe"  # 这个地址要写你实际安装路径
print(pytesseract.get_languages(config=''))

我这里的输出结果是两种，如下：

['eng', 'osd']

当我们知道支持的语言之后，我们就来通过python
识别一下:

import pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe"
image = Image.open(r"C:\Users\22768\Desktop\1654762989456.jpg")
text = pytesseract.image_to_string(image, lang='eng+osd')
print(text)

输出结果如下：

123456

至此，本文结束，下面我们将就此开展深层次的使用。