Python驗(yàn)證碼識(shí)別方式(使用pytesseract庫)

更新時(shí)間：2025年06月04日 10:50:09 作者：深海藍(lán)山的博客

這篇文章主要介紹了Python驗(yàn)證碼識(shí)別方式(使用pytesseract庫),具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

1、安裝Tesseract-OCR

Tesseract是一個(gè)高度精確的開源OCR（光學(xué)字符識(shí)別）系統(tǒng)，廣泛應(yīng)用于文本識(shí)別項(xiàng)目中。

下載地址：

https://digi.bib.uni-mannheim.de/tesseract/
選擇最新的穩(wěn)定版下載

安裝程序：下載后安裝程序

中文包下載：

地址：https://gitcode.com/open-source-toolkit/90e2f
下載了最新版本的chi-sim.traineddata文件，復(fù)制到Tesseract的tessdata目錄下
通常，路徑類似于C:\Program Files\tesseract\tessdata（Windows）
或 /usr/share/tesseract-ocr/4.00/tessdata（Linux）。

2、在python中使用

安裝依賴

pip install pytesseract

3、本地圖片識(shí)別

import pytesseract
from PIL import Image

# 獲取文件的絕對(duì)路徑
def get_abspath(filename):
    try:
        current_dir = os.getcwd()
        filename = os.path.normpath(os.path.join(current_dir, filename))
        # print(f"get_abspath文件路徑：{filename}")
        return filename
    except Exception as e:
        print(f"獲取文件絕對(duì)路徑時(shí)出現(xiàn)錯(cuò)誤: {e}")
        return ""
        
# 手動(dòng)指定路徑（Windows常見） Tesseract 系統(tǒng)路徑
driver_path = r"Tesseract-OCR\\tesseract.exe"
pytesseract.pytesseract.tesseract_cmd = get_abspath(driver_path)

#使用示例
if __name__ == "__main__":
  # 1 識(shí)別本地圖片 
  # 英文識(shí)別
  current_dir = os.getcwd()
    filename = os.path.normpath(os.path.join(current_dir, f"code.jpg"))
    file = Image.open(filename)
    text = pytesseract.image_to_string(file, lang="eng")
    print(text)
  #中文識(shí)別，需要下載語言包
    filename = os.path.normpath(os.path.join(current_dir, f"sushi.png"))
    file = Image.open(filename)
    text = pytesseract.image_to_string(file, lang='chi_sim') 
    print(f"識(shí)別結(jié)果：{text}")

識(shí)別結(jié)果示例：

4、結(jié)合playwright動(dòng)態(tài)識(shí)別網(wǎng)站驗(yàn)證碼

import os
import pytesseract
from PIL import Image
from playwright.sync_api import Playwright
import tools.pwHander as pwHander
from PIL import Image

# 獲取文件的絕對(duì)路徑
def get_abspath(filename):
    try:
        current_dir = os.getcwd()
        filename = os.path.normpath(os.path.join(current_dir, filename))
        # print(f"get_abspath文件路徑：{filename}")
        return filename
    except Exception as e:
        print(f"獲取文件絕對(duì)路徑時(shí)出現(xiàn)錯(cuò)誤: {e}")
        return ""
        
# 手動(dòng)指定路徑（Windows常見） Tesseract 系統(tǒng)路徑
driver_path = r"Tesseract-OCR\\tesseract.exe"
pytesseract.pytesseract.tesseract_cmd = get_abspath(driver_path)

# 驗(yàn)證碼圖片識(shí)別
def get_captcha(page: Playwright, element_selector="img#captcha", file_name="code.jpg"):
    try:
        current_dir = os.getcwd()
        filename = os.path.normpath(os.path.join(current_dir, f"{file_name}"))
               
        # 通過class選擇器獲取img元素
        code_img = page.locator(element_selector)
        if not code_img:
            raise ValueError("驗(yàn)證碼元素未找到！")

        # 刷新驗(yàn)證碼
        # code_img.click()

        # 下載驗(yàn)證碼圖片
        code_img.screenshot(path=filename)

        file = Image.open(filename)
        text = pytesseract.image_to_string(file, lang="eng")
        print("驗(yàn)證碼識(shí)別結(jié)果:", text)
        return text.strip()
    except Exception as e:
        print(f"獲取驗(yàn)證碼 失?。簕str(e)}")
        return ""
#使用示例
if __name__ == "__main__":
  # 2 動(dòng)態(tài)識(shí)別網(wǎng)站驗(yàn)證碼
  with sync_playwright() as p:
   		browser = p.chromium.launch(headless=False, slow_mo=1000)
        context = browser.new_context()
        page = context.new_page()
        page.goto("測試網(wǎng)址")
	    # 驗(yàn)證碼圖片下載
	    imgText = get_captcha(page, "img#jcaptcha")
	    print(f"驗(yàn)證碼：{imgTest}")