Tesseract庫怎么在python中使用

Tesseract庫怎么在python中使用？相信很多沒有經(jīng)驗(yàn)的人對(duì)此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個(gè)問題。

一、Tesseract簡介

Tesseract是一個(gè)OCR庫(OCR是英文Optical Character Recognition的縮寫)，它用來對(duì)文本資料進(jìn)行掃描，然后對(duì)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(shí)別相對(duì)精準(zhǔn)的OCR庫。

二、Tesseract的使用

1.下載并安裝Tesseract：點(diǎn)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(shí)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(shí)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(shí)別驗(yàn)證碼有些無法識(shí)別，比如像豆瓣生成的驗(yàn)證碼無法識(shí)別其內(nèi)容，如果需要爬取豆瓣中的數(shù)據(jù)這時(shí)候就需要手動(dòng)的輸入驗(yàn)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(jī)器識(shí)別后的驗(yàn)證碼為：" + text
  command = raw_input("請(qǐng)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(yàn)證碼：')

def zhihuLogin(username,password):

  # 構(gòu)建一個(gè)保存Cookie值的session對(duì)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(yàn)證碼，r后面的值是Unix時(shí)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')

看完上述內(nèi)容，你們掌握Tesseract庫怎么在python中使用的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！