一、Tesseract簡介
Tesseract是一個OCR庫(OCR是英文Optical Character Recognition的縮寫)，它用來對文本資料進行掃描，然后對圖像文件進行分析處理，獲取文字及版面信息的過程，Tesseract是目前公認最優(yōu)秀，識別相對精準的OCR庫。
二、Tesseract的使用
1.下載并安裝Tesseract：點擊下載
2.在Windows系統(tǒng)下設(shè)置環(huán)境變量：
#根據(jù)下載安裝文件的路徑配置環(huán)境變量set TESSDATA_PREFIX F:/Tesseract-OCR/
3.安裝pytesseract模塊
pip install pytesseract
4.在Python腳本中引入tesseract.exe應(yīng)用程序的方式：
pytesseract.pytesseract.tesseract_cmd = r'F:/Tesseract-OCR/tesseract.exe'
5.案例演示
識別以下圖片文字：
import pytesseractfrom PIL import Image#1.引入Tesseract程序pytesseract.pytesseract.tesseract_cmd = r'F:/Tesseract-OCR/tesseract.exe'#2.使用Image模塊下的Open()函數(shù)打開圖片image = Image.open('6.jpg',mode='r')print(image)#3.識別圖片文字code= pytesseract.image_to_string(image)print(code)結(jié)果演示：
<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=611x210 at 0x1A5DFDCB4A8>
Google
注：tesseract-OCR引擎識別驗證碼有些無法識別，比如像豆瓣生成的驗證碼無法識別其內(nèi)容，如果需要爬取豆瓣中的數(shù)據(jù)這時候就需要手動的輸入驗證碼：
三、模擬登陸知乎源碼
import requestsimport timeimport pytesseractfrom PIL import Imagefrom bs4 import BeautifulSoupdef 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 "機器識別后的驗證碼為：" + text command = raw_input("請輸入Y表示同意使用，按其他鍵自行重新輸入：") if (command == "Y" or command == "y"): return text else: return raw_input('輸入驗證碼：')def zhihuLogin(username,password): # 構(gòu)建一個保存Cookie值的session對象 sessiona = requests.Session() headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0'} # 先獲取頁面信息，找到需要POST的數(shù)據(jù)（并且已記錄當前頁面的Cookie） html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content # 找到 name 屬性值為 _xsrf 的input標簽，取出value里的值 _xsrf = BeautifulSoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value') # 取出驗證碼，r后面的值是Unix時間戳,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.textif __name__ == "__main__": #username = raw_input("username") #password = raw_input("password") zhihuLogin('xxxx@qq.com','ALAxxxxIME')以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點
疑難解答
圖片精選
