Python爬虫识别验证码

安装tesserocr

pip3 install tesserocr pillow

识别测试

将验证码图片放到项目根目录下，用tesserocr库识别该验证码，代码如下所示：

import locale

locale.setlocale(locale.LC_ALL, 'C')

import tesserocr

from PIL import Image

image = Image.open('code.jpg')

result = tesserocr.image_to_text(image)

print(result)

0

1

2

3

4

5

6

7

importlocale

locale.setlocale(locale.LC_ALL,'C')

importtesserocr

fromPILimportImage

image=Image.open('code.jpg')

result=tesserocr.image_to_text(image)

print(result)

新建了一个Image对象，调用了tesserocr的image_to_text( )方法。传入该Image对象即可完成识别，实现过程非常简单，结果如下：

识别的结果和实际结果有偏差，这是因为验证码内的多余线条干扰了图片的识别。

另外，tesserocr还有一个更加简单的方法，这个方法可以直接将图片文件转为字符串，代码如下：

import locale

locale.setlocale(locale.LC_ALL, 'C')

import tesserocr

from PIL import Image

print(tesserocr.image_to_text('code.jpg'))

0

1

2

3

4

5

importlocale

locale.setlocale(locale.LC_ALL,'C')

importtesserocr

fromPILimportImage

print(tesserocr.image_to_text('code.jpg'))

不过这种方法的识别效果不如上一种的好。

对于上面的图片，我们可以看到其实并没有完全识别正确，所以我们需要对图像作进一步的处理，如灰度转换、二值化等操作。

我们可以利用Image对象的convert( )方法参数传入L，即可将图片转化为灰度图像，代码如下：

image = Image.convert('L')

image.show()

0

1

image=Image.convert('L')

image.show()

传入1即可将图片进行二值化处理，如下所示：

image = Image.convert('1')

image.show()

0

1

image=Image.convert('1')

image.show()

我们还可以指定二值化的阈值。上面的方法采用的是默认阈值127。不过我们不能直接转化原图，要将原图先转化为灰度图像，然后再指定二值化阈值，代码如下：

import locale

locale.setlocale(locale.LC_ALL, 'C')

import tesserocr

from PIL import Image

image = Image.open('code.jpg')

image = image.convert('L')

threshold = 160

table = []

for i in range(256):

if i < threshold:

table.append(0)

else:

table.append(1)

image = image.point(table, '1')

image.show()

0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

importlocale

locale.setlocale(locale.LC_ALL,'C')

importtesserocr

fromPILimportImage

image=Image.open('code.jpg')

image=image.convert('L')

threshold=160

table=[]

foriinrange(256):

ifi

table.append(0)

else:

table.append(1)

image=image.point(table,'1')

image.show()

在这里，变量threshold代表二值化阈值，阈值设置为160，之后我们来看看我们的结果：

我们可以看到现在的二维码就比较方便我们进行识别了；那么对于一些有干扰的图片，我们做一些灰度和二值化处理，这会提高图片识别的正确率。