Python验证码识别

2015-11-13

也只是因为在网上偶然间发现了一篇讲用Python识别验证码的博客，觉得非常神奇。Python什么时候还能干这么高大上的活了。仔细的看了一下，识别算法是Google的，一般也只能识别简单的验证码，复杂点的还是得要靠人工智能，机器学习什么什么的。

首先是要下载安装几个需要的库。
Python Image Library（PIL）Python的图像处理库。
tesseract-ocr 谷歌的OCR识别引擎。
tesseract Python的图像识别库。

反正我试了很长时间没有弄好，现在只能做一些简单的识别。代码如下。

from  pytesser import *
im1 = Image.open("code.png")
text1 = image_to_string(im1)
print text1
print "\n"
im2 = Image.open("fonts_test.png")
text2 = image_to_string(im2)
print text2

两张图片分别如下。

识别出来的效果如下。

重要更新：

这个方法非常不好，不仅因为不好用，那个Python的代码非得要在这个文件夹下才能够执行，而且不支持中文。 查看源代码就会发现它还是0.0.1的版本，在2007年的时候就从此再也没有更新了。
后来我们看了它的源码，准备将它给打包成一个Python库，就可以引入使用了，但是发现比较复杂。
最终，好吧，其实这个也是引用了谷歌的Tesseract-OCR的图片识别引擎才起作用的，那我们为什么不直接使用这个引擎呢？

可以在这里下载：https://code.google.com/p/tesseract-ocr/downloads/list 也可以下载我下载好了的，tesseract-ocr-setup-3.02.02.zip

自带是英文的，如果需要中文的那就只能自己去下载了。

安装好了之后加入环境变量就可以使用了，tesseract -v可以查看版本号。
使用tesseract imagename outputfile就可以了，如果想要高级用法，直接输入tesseract即可查看。

再次更新

我把中文的那个语言包下载下来了，试了一下它真正的效果。并没有那么惊人，文本识别毕竟还是没有那么简单。

中文语言包

中文的使用方法tesseract -l chi_sim imagename ouyputfile

最后更新

还是linux上好使吖，再次需要了图像识别，发现我的ubuntu 14.04LTS 竟然自带有OCR Tesseract

这个图像识别引擎，就算是没有也只需要一行代码即可装上。

sudo apt-get install tesseract-ocr

ubuntu的软件库，关于OCR Tesseract

tesseract-ocr转移到github上了，代码仓库

2020-09-14

虽然没有想象中那么好用，但是也还是可以用的吧。

> pytesseract -l chi_sim 20190612103809200.png


风急天高猿啸衷. 渚清沙*弓飞巩
无边落木萧萧下, 不尽长江滚滚来.
万 悲秋常作害. 尸多病独登台恩
艰难苦恨擎霜鬓. 潦倒新停浊酒杯恩

可以识别汉字和验证码，你还想要什么飞机✈️

> pytesseract 29316.png
29316

然后可以在 python 代码中调用

# -*- coding: utf-8 -*-

from PIL import Image
import pytesseract

text = pytesseract.image_to_string(Image.open('29316.png'))
print(type(text))
print(repr(text))
print(repr(text.strip()))
print(repr(int(text.strip())))

在 python 中直接安装即可

pip install PIL
pip install pytesseract

2020-10-07

仔细研究一下 pytesseract 这个Python 库，其实你会发现 pytesseract 其实是对 tesseract 的一个封装，底层调用的还是 tesseract 工具，他们的调用参数是不一样的。所以除了安装 pytesseract ，想要实现 OCR 识别还是需要安装 tesseract

$ tesseract -h
Usage:
  tesseract --help | --help-extra | --version
  tesseract --list-langs
  tesseract imagename outputbase [options...] [configfile...]

OCR options:
  -l LANG[+LANG]        Specify language(s) used for OCR.
NOTE: These options must occur before any configfile.

Single options:
  --help                Show this help message.
  --help-extra          Show extra help for advanced users.
  --version             Show version information.
  --list-langs          List available languages for tesseract engine.

$ pytesseract
Usage: pytesseract [-l lang] input_file

参考链接：

python利用pytesser模块实现图片文字识别
wxPython利用pytesser模块实现图片文字识别
Python 利用pytesser模块识别图像文字
python验证码识别
使用Python进行验证码识别
利用python pytesser 识别简单验证码
python：验证码识别入门
python图像处理之二值去噪
python:验证码识别