Python安装tesserocr遇到的各类问题及解决办法

Tesseract的安装及配置

在Python爬虫过程当中，不免遇到各类各样的验证码问题，最简单的就是​这种验证码了，那么在遇到验证码的时候该怎么办呢？咱们就须要OCR技术了，OCR-即Optical Character Recognition光学字符识别，是指经过扫描字符，而后将其形状翻译成电子文本的过程。而tesserocr是Python的一个OCR识别库，因此在安装tesserocr以前，咱们须要安装tesseract这个东西

下载地址：https://digi.bib.uni-mannheim.de/tesseract/ 能够选择下载不带dev的稳定版本，我下载的是3.05.01版本的，不过这个版本的可能比较早了，识别能力不是很厉害，读者能够选择下载最新版本的3.05.02，识别能力应该会好不少。

下载完就是一路双击，在最后的Additional Language data(download)选上这个选项，是OCR支持各类语言的包，而后继续安装，直到安装成功。

个人安装路径为：G:\Program Files (x86)\Tesseract-OCR

​

安装完成后就得须要配置环境变量，打开环境变量设置，在path中加入以下

​的设置，这样tesseract就安装成功并配置完成了、

tesserocr库的安装

刚开始我直接在cmd下输入 pip install tesserocr 很不幸报错了，报错相似于以下。。。由于以前个人报错，没有截图。因此。。

​

就是相似于这种的截图，这该怎么办，难道要去下载visual C++吗？咱们有更好的解决方法，下载对应的.whl文件

下载地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases 必定要下载对应版本的

​

个人是3.5.1，因此我下载的是这个版本的。读者能够自行选择。

个人tesserocr-2.2.2-cp36-cp36m-win_amd64.whl文件下载在G盘根目录下，而后在cmd里输入 pip install G:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 开始安装whl文件，发现报错了。提示不能安装whl文件。。原来是没有安装wheel。

而后我就去安装了wheel 直接 pip install wheel便可。

安装成功 在输入 pip install G:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 发现开始安装了。

哎心累啊，总算弄好了。可是，我在pycharm中调用tesserocr 这个库，他又提示报错了，这是为何呢？百度了一下最终解决。

原来须要在pycharm下的terrminal下输入以下图：

​

若是报错了还得有一步操做。

将Tesseract-OCR下的tessdata文件复制到你的Python安装路径的scripts下：

​

这样

​

这下应该就完全安装成功了。。

这下在pycharm里总算不会报错了，咱们来试一下识别这两张图片的效果

​

​

代码：

from PIL import Image
import tesserocr

imag=Image.open('test.jpg')
print(tesserocr.image_to_text(imag))
imag1=Image.open('image.png')
print(tesserocr.image_to_text(imag1))

 

输出结果以下：

​将762408识别成了162408 我也很无奈呀。。。多是由于版本太菜了吧

以上就是我安装tesserocr遇到的问题及解决办法了。其实还能够装pytesseract这个库。

 

安装pytesseract库

安装这个pytesseract库可比tesserocr方便多了，根本不会报错，直接pip install pytesseract 完事。。pycharm直接搜索库

​

而后下载就完事，多省事。。。。

看一下识别效果，仍是一样的两张图片。

代码：

import pytesseract
from PIL import Image
import tesserocr

im=Image.open('test.jpg')
print(pytesseract.image_to_string(im))
im1=Image.open('image.png')
print(pytesseract.image_to_string(im1))

 

运行结果：

​运行结果同样的，因此我推荐你们使用pytesseract这个库。

 

验证码识别问题

我打开知乎登陆界面，下载了一张验证码图片：​ 开始识别它。

代码以下：

import pytesseract
from PIL import Image
import tesserocr



#简单验证  特别垃圾
image=Image.open('3.jpg')
result=tesserocr.image_to_text(image)
print(result)


#彻底验证 也不咋地。。
image1=Image.open('3.jpg')
image1=image1.convert('L')
threshold=127
table=[]
for i in range(256):
    if i <threshold:
        table.append(0)
    else:
        table.append(1)
image2=image1.point(table,'1')
image2.show()  #二值化灰度处理图片显示
result=pytesseract.image_to_string(image2)
print(result)

 

运行结果：

​都识别失败了，，，

贼无语，可是灰度化和二值化后的图片已经很清晰了。。​我都能看出来是H83G了，你识别个H535是个什么鬼。。综上，这个库吧，可能效果也不是那么好。先凑活用吧。。