自动识别验证码

刚看完 《Python编程快速上手 让繁琐工作自动化》，受益匪浅，顺手做了一个小工具，能自动从远程服务器上下载文件到U盘，现在看《Python 3网络爬虫开发实战》，给大家分享一下使用tesserocr自动识别验证码

安装

1. windows下载安装tesseract，注意版本问题，tesseract要和稍后安装的tesserocr 版本匹配，我的版本是tesserocr v2.4.0 (tesseract 4.0.0)

https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w32-setup-v4.0.0.20181030.exe

安装注意勾选 Additional language data来安装OCR识别支持的语言包

1565487087134.png

2. 安装 tesserocr v2.4.0
   tesserocr v2.4.0 - Python 3.7 - 64bit 下载地址

命令行 $ pip install tesserocr-2.4.0-cp37-cp37m-win_amd64.whl

验证安装结果

1. 为了方便，我把 路径 C:\Program Files (x86)\Tesseract-OCR 加入环境变量
2. 在命令行输入 tesseract img.PNG result -l eng && cat result.txt，可以看到测试图片的识别结果生成了

1565488329802.png

代码实现

1. 由于我使用的是Anaconda的Jupyter，报错找不到tessdata，我特意把 C:\Program Files (x86)\Tesseract-OCR\tessdata 文件夹拷贝到C:\ProgramData\Anaconda3

   
   1565489234824.png