爬虫最头痛的是反爬和验证码！用这个操作！验证码形同虚设！

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 ):

1. 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
2. 在 这里 下载对应版本的语言包
3. 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:

进群：548377875? 即可获取数十套PDF以及大量小编精心整理的基础教程哦！PDF是从零到项目实战的！

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。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!