利用tesseract解析簡單數字驗證碼圖片

tesseract 是一個 OCR（Optical Character Recognition，光學字元識別）引擎，能夠識別圖片中字元，利用這個可以用來解析一些簡單的圖片驗證碼。Github 地址：https://github.com/tesseract-ocr/tesseract，Windows 平臺 v3.05.01 版本下載地址：http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-3.05.01.exe

一開始弄這個是因為學校網路要上網每次都要在網頁驗證，就想能不能寫個程式自動驗證免去手動驗證過程。但這需要驗證碼，為了解決這個問題，就上網搜了一下，就看到有用 tesseract 的。有人用 Python 實現了一個工具：https://github.com/madmaze/pytesseract，拿來試了一下，Windows 上使用總是有問題，我就把目光轉向了 tesseract 本身，這是它的使用說明：

最後就決定自己實現一個簡單的介面

使用方法

對引數解釋一下

具體思路

本地圖片的，先判斷該檔案是否存在；網路圖片的，下載到本地，預設的儲存路徑是 r”D:img.jpg” （儲存在哪不重要，只是暫存而已，解析完會自動刪除的）

接下來是一些非必要引數

至於為什麼只是數字，是因為英文的總是不能完全解析出來，修改了 -l 引數也是沒用，使用其自帶的 tessdata 也沒用，中文的話解析出來的內容完全看不懂… （或許是我開啟方式不對？）

效果

測試圖片1

測試圖片2

測試圖片3

溫馨提示：不能保證百分百正確，也不能保證百分百解析得出來。所以專案僅供參考！！！要有保證的話還是找打碼平臺吧

原文釋出時間為：2017-06-08

本文作者：陳鍵冬

本文來自雲棲社群合作伙伴“Python中文社群”，瞭解相關資訊可以關注“Python中文社群”微信公眾號