文章目录
一、tesseract破解验证码1.下载安装tesseract2.python安装tesseract模块及其配置3.demo测试 二、muggle_ocr破解和识别验证码1.介绍2.安装3.demo测试 三、其他识别验证码的常用库四、高难度图片验证码一、tesseract破解验证码
1.下载安装tesseract
①下载地址
下载地址:https://digi.bib.uni-mannheim.de/tesseract/
选择合适的版本安装即可(其中文件名中带有dev的为开发版本,不带dev的为稳定版本,可以选择下载不带dev的版本,例如可以选择下载tesseract-ocr-setup-3.05.02.exe)
②一路next安装即可
我安装在d盘
③配置环境变量
系统变量
path变量
④验证是否安装成功
2.python安装tesseract模块及其配置
①下载安装
pip install pytesseract
②进入pycharm,按两次shift搜索tesseract修改源码
3.demo测试
import pytesseractfrom PIL import Imageimage = Image.open('CheckCode.png')# 把一个彩色图变成灰度图image = image.convert('L')tessdata_dir_config = '--tessdata-dir "D:\\Tesseract-OCR\\tessdata"'# 去除干扰线threshold = 128table = []for i in range(256):if i < threshold:table.append(0)else:table.append(1)image = image.point(table,'1')image_str = pytesseract.image_to_string(image,config=tessdata_dir_config)print(image_str)
二、muggle_ocr破解和识别验证码
1.介绍
在不平凡的一年,6月1日,在pypi仓库中偷偷潜入一位新同学,他就是MuggleOCR,他有多厉害呢?
作为一个本地识别的模块,他的体积居然小于10MB,模型分别有2个。
OCR模型仅为4MB,验证码模型仅为2MB。
2.安装
pip install muggle_ocr -i https://pypi.tuna./simple
3.demo测试
测试图片
demo.py
# 导入包import muggle_ocrdef return_ocr_by_muggle(image_path, mode=1):""":param image_path 待测试的文件名称 最好绝对路径:param mode = 1 默认 即 ModelType.Captcha 表示识别4-6位简单英输验证码其他情况 即 ModelType.OCR 表示识别普通印刷文本官方网站: /project/muggle-ocr/:return: 返回这个验证码的识别结果 如果错误 可以多次调用"""# 确定识别物品if mode == 1:sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)else:sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)with open(image_path, 'rb') as fr:captcha_bytes = fr.read()result = sdk.predict(image_bytes=captcha_bytes)return result.strip()if __name__ == '__main__':image_path = 'timg.jpg'result = return_ocr_by_muggle(image_path)print(result)
三、其他识别验证码的常用库
参考这篇文章:/qq_38017966/article/details/118724459
四、高难度图片验证码
针对于难度过高的验证码识别,我们推荐使用打码网站的付费接口
如果觉得《爬虫从入门到精通(15) | 使用Python-OCR识别库对图形验证码进行识别》对你有帮助,请点赞、收藏,并留下你的观点哦!