1.pytesseract

pytesseract是google做的ocr库，可以识别图片中的文字，一般用在爬虫登录时验证码的识别，在安装pytesseract环境过程中会遇到各种坑的事情，如果你需要安装，可以按照如下流程去做，避免踩坑。

1.1安装pytesseract

pip install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com  requests

但是这样安装的pytesseract并不能处理图片，会报错

pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it's not in your PATH. See README file for more information.

需要在本机安装程序：tesseract?,安装步骤如下：

?pytesseract官方文档：https://pypi.org/project/pytesseract/
tesseract安装文档:??https://github.com/tesseract-ocr/tesseract

下载地址：https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w64-setup-v5.0.1.20220118.exe

1. 安装tesseract-ocr-w64-setup-v5.0.1.20220118.exe?

????????记住安装路径，我这里选择了自定义安装路径：E:\python安装及项目\Tesseract-OCR

2.修改pytesseract.py

? ? ? ? 找到本机模块安装地址，不知道python模块安装地址的执行一下命令

C:\Users\EDZ>pip --version
pip 22.0.4 from e:\python安装及项目\python3.7\lib\site-packages\pip (python 3.7)

????????跳转到pytesseract安装地址，修改，修改参考

###跳转到路径：E:\python安装及项目\python3.7\Lib\site-packages\pytesseract

###修改pytesseract.py，将tesseract_cmd改为本地的tesseract安装地址

tesseract_cmd = 'E:/python安装及项目/Tesseract-OCR/tesseract.exe'

?1.2使用pytesseract识别图片

在本地存储一张验证码图片用来测试

###图片验证码识别
from PIL import Image,ImageFilter
import pytesseract
path ="C:/Users/EDZ/Desktop/验证码.webp"
captcha = Image.open(path)
result = pytesseract.image_to_string(captcha)
print(result)

?特别注意，这个验证码识别不是很准确，比如以下这张 7364 会被识别成 1364

2.百度OCR接口

在调用百度PCR接口前一定要先获取Access Token

#获取AK与SK参考：https://www.php.cn/faq/469975.html
#获取Access Token，参考：https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjhhu
#接口使用方式，参考：https://ai.baidu.com/ai-doc/OCR/zk3h7xz52

# encoding:utf-8

import requests
import base64

'''
通用文字识别
'''

request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic"
# 二进制方式打开图片文件
f = open('C:/Users/EDZ/Desktop/验证码.webp', 'rb')
img = base64.b64encode(f.read())

params = {"image":img}
access_token = '[调用鉴权接口获取的token]'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
if response:
    words = response.json().get('words_result')[0].get('words')
    print(words)