详解Python安装tesserocr遇到的各种问题及解决办法

时间:2022-07-02 23:12:53

tesseract的安装及配置

在python爬虫过程中,难免遇到各种各样的验证码问题,最简单的就是详解Python安装tesserocr遇到的各种问题及解决办法​这种验证码了,那么在遇到验证码的时候该怎么办呢?我们就需要ocr技术了,ocr-即optical character recognition光学字符识别,是指通过扫描字符,然后将其形状翻译成电子文本的过程。而tesserocr是python的一个ocr识别库,所以在安装tesserocr之前,我们需要安装tesseract这个东西

下载地址:https://digi.bib.uni-mannheim.de/tesseract/可以选择下载不带dev的稳定版本,我下载的是3.05.01版本的,不过这个版本的可能比较早了,识别能力不是很厉害,读者可以选择下载最新版本的3.05.02,识别能力应该会好很多。

下载完就是一路双击,在最后的additional language data(download)选上这个选项,是ocr支持各种语言的包,然后继续安装,直到安装成功。

我的安装路径为:g:\program files (x86)\tesseract-ocr

详解Python安装tesserocr遇到的各种问题及解决办法

安装完成后就得需要配置环境变量,打开环境变量设置,在path中加入如下

详解Python安装tesserocr遇到的各种问题及解决办法​的设置,这样tesseract就安装成功并配置完成了、

tesserocr库的安装

刚开始我直接在cmd下输入 pip install tesserocr 很不幸报错了,报错类似于如下。。。因为之前我的报错,没有截图。所以。。

详解Python安装tesserocr遇到的各种问题及解决办法

就是类似于这种的截图,这该怎么办,难道要去下载visual c++吗?我们有更好的解决方法,下载对应的.whl文件

下载地址:https://github.com/simonflueckiger/tesserocr-windows_build/releases 一定要下载对应版本的

详解Python安装tesserocr遇到的各种问题及解决办法

我的是3.5.1,所以我下载的是这个版本的。读者可以自行选择。

我的tesserocr-2.2.2-cp36-cp36m-win_amd64.whl文件下载在g盘根目录下,然后在cmd里输入 pip install g:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 开始安装whl文件,发现报错了。提示不能安装whl文件。。原来是没有安装wheel。

然后我就去安装了wheel 直接 pip install wheel即可。

安装成功 在输入pip install g:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 发现开始安装了。

哎心累啊,总算弄好了。但是,我在pycharm中调用tesserocr 这个库,他又提示报错了,这是为什么呢?百度了一下最终解决。

原来需要在pycharm下的terrminal下输入如下图:

详解Python安装tesserocr遇到的各种问题及解决办法

如果报错了还得有一步操作。

将tesseract-ocr下的tessdata文件复制到你的python安装路径的scripts下:

详解Python安装tesserocr遇到的各种问题及解决办法

这样

详解Python安装tesserocr遇到的各种问题及解决办法

这下应该就彻底安装成功了。。

这下在pycharm里总算不会报错了,我们来试一下识别这两张图片的效果

详解Python安装tesserocr遇到的各种问题及解决办法

详解Python安装tesserocr遇到的各种问题及解决办法

代码:

?
1
2
3
4
5
6
7
from pil import image
import tesserocr
 
imag=image.open('test.jpg')
print(tesserocr.image_to_text(imag))
imag1=image.open('image.png')
print(tesserocr.image_to_text(imag1))

输出结果如下:

详解Python安装tesserocr遇到的各种问题及解决办法

将762408识别成了162408 我也很无奈呀。。。可能是因为版本太菜了吧

以上就是我安装tesserocr遇到的问题及解决办法了。其实还可以装pytesseract这个库。

安装pytesseract库

安装这个pytesseract库可比tesserocr方便多了,根本不会报错,直接pip install pytesseract 完事。。pycharm直接搜索库

详解Python安装tesserocr遇到的各种问题及解决办法

然后下载就完事,多省事。。。。

看一下识别效果,还是同样的两张图片。

代码:

?
1
2
3
4
5
6
7
8
import pytesseract
from pil import image
import tesserocr
 
im=image.open('test.jpg')
print(pytesseract.image_to_string(im))
im1=image.open('image.png')
print(pytesseract.image_to_string(im1))

运行结果:

详解Python安装tesserocr遇到的各种问题及解决办法

运行结果一样的,所以我推荐大家使用pytesseract这个库。

验证码识别问题

我打开知乎登录界面,下载了一张验证码图片:详解Python安装tesserocr遇到的各种问题及解决办法开始识别它。

代码如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import pytesseract
from pil import image
import tesserocr
 
 
 
#简单验证 特别垃圾
image=image.open('3.jpg')
result=tesserocr.image_to_text(image)
print(result)
 
 
#完全验证 也不咋地。。
image1=image.open('3.jpg')
image1=image1.convert('l')
threshold=127
table=[]
for i in range(256):
 if i <threshold:
  table.append(0)
 else:
  table.append(1)
image2=image1.point(table,'1')
image2.show() #二值化灰度处理图片显示
result=pytesseract.image_to_string(image2)
print(result)

运行结果:

详解Python安装tesserocr遇到的各种问题及解决办法​都识别失败了,,,

贼无语,但是灰度化和二值化后的图片已经很清晰了。。详解Python安装tesserocr遇到的各种问题及解决办法

我都能看出来是h83g了,你识别个h535是个什么鬼。。综上,这个库吧,可能效果也不是那么好。先凑活用吧。。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://www.cnblogs.com/yuxuanlian/p/10122702.html