Heim > Artikel > Backend-Entwicklung > Python verwendet die Tesseract-Bibliothek, um die Identifizierungsüberprüfung zu implementieren
1. Einführung in Tesseract
Tesseract ist eine OCR-Bibliothek (OCR ist die Abkürzung für Optical Character Recognition auf Englisch). Bei der Verarbeitung und Beschaffung von Text- und Layoutinformationen gilt Tesseract derzeit als die beste OCR-Bibliothek mit relativ genauer Erkennung.
2. Verwendung von Tesseract
1. Zum Herunterladen klicken
2. Umgebungsvariablen unter Windows festlegen:
#根据下载安装文件的路径配置环境变量 set TESSDATA_PREFIX F:\Tesseract-OCR\
3. Installieren Sie das Pytesseract-Modul
pip install pytesseract
4. Führen Sie die Anwendung tesseract.exe ein Python-Skript Programmmethode:
pytesseract.pytesseract.tesseract_cmd = r'F:\Tesseract-OCR\tesseract.exe'
5. Falldemonstration
Erkennen Sie den folgenden Bildtext:
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模块下的Open()函数打开图片 image = Image.open('6.jpg',mode='r') print(image) #3.识别图片文字 code= pytesseract.image_to_string(image) print(code)
Ergebnisdemonstration:
f04bc23b9ae895a4298192af8c3c2894
Google
Hinweis: Einige Bestätigungscodes können von der Tesseract-OCR-Engine nicht erkannt werden. Beispielsweise kann der von Douban generierte Bestätigungscode seinen Inhalt nicht erkennen Geben Sie den Bestätigungscode manuell ein:
3. Simulierter Login-Zhihu-Quellcode
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 "机器识别后的验证码为:" + text command = raw_input("请输入Y表示同意使用,按其他键自行重新输入:") if (command == "Y" or command == "y"): return text else: return raw_input('输入验证码:') def zhihuLogin(username,password): # 构建一个保存Cookie值的session对象 sessiona = requests.Session() headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0'} # 先获取页面信息,找到需要POST的数据(并且已记录当前页面的Cookie) html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content # 找到 name 属性值为 _xsrf 的input标签,取出value里的值 _xsrf = BeautifulSoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value') # 取出验证码,r后面的值是Unix时间戳,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')
Verwandte Empfehlungen:
Pytesseract unter Python aufrufen, um einen Website-Bestätigungscode zu identifizieren
Das obige ist der detaillierte Inhalt vonPython verwendet die Tesseract-Bibliothek, um die Identifizierungsüberprüfung zu implementieren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!