您好,登錄后才能下訂單哦!
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!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。