一、OCR简介

OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程，对应图形验证码来说，它们都是一些不规则的字符，这些字符是由字符稍加扭曲变换得到的内容，我们可以使用OCR技术来讲其转化为电子文本，然后将结果提取交给服务器，便可以达到自动识别验证码的过程。

二、安装

提示：可选择下载已打包的所需文件：

https://wwa.lanzoui.com/iujjZsn6qwf

1.安装tesserocr

1、打开链接，https://digi.bib.uni-mannheim.de/tesseract/，见下图。

下载最新版的tesseract-ocr-w64-setup-v5.0.0.20190623.exe，然后安装，本人直接安装在C盘目录下。安装完毕后，如下图。

2.配置环境变量，有两个步骤。

在系统变量里，修改path，如下图。

3.在系统变量里，创建一个新的变量名为:TESSDATA_PREFIX，值为:C:\Program Files\Tesseract-OCR\tessdata(根据自己安装的tesserocr安装路径为准)，如下图。

注意：路径的写法

4.检查Tesseract-OCR是否安装完成，如下图。

2.安装 pytesseract

1、安装Python的OCR识别库

pip install Pillow
pip install pytesseract

2、python加载Window的tesserocr应用，要修改pytesseract三方库的pytesseract.py脚本。
?

打开pytesseract.py，将Window的tesserocr应用的tesserocr.exe绑定好。

三、测试

到这里Python的绑定window的tesserocr应用已经完成。

读取验证码图片

import pytesseract
from PIL import Image
# 读取图片
im = Image.open('001.png')
# 识别文字
string = pytesseract.image_to_string(im)
print(string)

?结果：

?四、读取中文文本图片

1、因为OCR读取不同语言需要加载语言包，因此需要下载简体中文语言包。
从这个链接下载:https://github.com/tesseract-ocr/tessdata,下载红圈的简体中文包。然后将此文件放置window的安装目录下。（\安装目录\tessdata\）。如下两个图。

2.现在，我们来读取如下图片的中文文本内容。

代码：

import pytesseract
from PIL import Image
# 读取图片
im = Image.open('002.png')
# 识别文字
string = pytesseract.image_to_string(im, lang="chi_sim")
print(string)

效果：