快捷導(dǎo)航

python使用Tesseract庫識別驗證

更新時間：2018年03月21日 14:08:00 作者：凱耐

這篇文章主要為大家詳細(xì)介紹了python使用Tesseract庫識別驗證，具有一定的參考價值，感興趣的小伙伴們可以參考一下

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(jìn)行掃描，然后對圖像文件進(jìn)行分析處理，獲取文字及版面信息的過程，Tesseract是目前公認(rèn)最優(yōu)秀，識別相對精準(zhǔn)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 pytesseract
from 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 requests
import time
import pytesseract
from PIL import Image
from bs4 import BeautifulSoup

def 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(dāng)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(biāo)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.text


if __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腳本之家。

您可能感興趣的文章: