Python處理驗證碼第一篇（pytesser初探及報錯處理）

九茶發表於2016-02-10
Python

前言：

春節期間，無法全身心投入地去寫爬蟲，那就玩玩驗證碼吧，應該比較有趣！

首次接觸驗證碼識別，用pytesser接觸一下最簡單的驗證碼先，程式碼參照：使用python以及工具包進行簡單的驗證碼識別。具體細節可以參見原文，裡面安裝和報錯處理沒有詳細記錄，我在此處主要記錄一下自己的安裝及處理過程。


效果：

可識別以下型別的驗證碼：
這裡寫圖片描述 這裡寫圖片描述 這裡寫圖片描述 這裡寫圖片描述


正文：

程式碼：

# encoding=utf-8
from PIL import Image
from pytesser import *

img = Image.open('驗證碼.jpg')
img_grey = img.convert('L')

threshold = 140
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
img_out = img_grey.point(table, '1')

text = image_to_string(img_grey)  # 將圖片轉成字串
print text


安裝包：

需要安裝的包主要有兩個： PIL 和 pytesser 。
我的環境：64位win8系統、python2.7

PIL模組的安裝：

PIL 全稱 “Python Imaging Library”。
下載地址：傳送門

我下載了這裡寫圖片描述

執行報錯：Python version 2.7 required, which was not found in the registry.
Python version 2.7 required, which was not found in the registry.

網上找出原因：這個 PIL 安裝資源是給32位作業系統，32位和64位作業系統下的python在登錄檔中的路徑是不一樣的：
64位檢查登錄檔的位置是： HKLM|HKCU\SOFTWARE\
32位檢查登錄檔的位置是： HKLM|HKCU\SOFTWARE\wow6432node\
所以在64位系統中自然檢查不出有Python。

解決方案：
官方沒有提供64位的PIL庫，但非官方有：傳送門。
下載裡面的pillow庫：
64位PIL
然後在命令列安裝該模組：
pip install G:/For_Life/360download/Pillow-3.1.1-cp27-none-win_amd64.whl

注意：在 pillow 下載頁中有一行 “Use ‘from PIL import Image’ instead of ‘import Image’” ，所以一般方法安裝的 PIL 要匯入 Image 模組使用 “import Image” ，而此方法安裝的 PIL 要使用 “from PIL import Image” 。
更多請見：Windows安裝Python影象處理庫：PIL模組。


pytesser模組的安裝：

下載地址：傳送門。（此網址有時候會載入失敗，我將自己下載的放在微盤上了：傳送門 密碼：DPHE）

下載後得到 “pytesser_v0.0.1.zip”，是一個壓縮檔案，使用方法：
1、在 “D:\For_Software\others\Python_PyDev\Python\Lib\site-packages” 路徑下新建一個資料夾，命名 “pytesser” 。把 “pytesser_v0.0.1.zip” 裡的檔案解壓到該目錄：
pytesser模組的安裝

2、將 “pytesser.py” 改名為 “__init__.py”。

3、開啟 “__init__.py” 檔案，將 “tesseract_exe_name” 變數的值改為 “‘D:/For_Software/others/Python_PyDev/Python/Lib/site-packages/pytesser/tesseract’”(原值為 “‘tesseract’”)。

4、pytesser 模組依賴於 PIL 模組，如果是按照上面的方法安裝 PIL 的話，需要把 “init.py” 檔案裡的 “import Image” 改成 “from PIL import Image” 。
（注意以上的路徑要改成自己的路徑，不要原搬照抄，應該不會這麼笨吧）

如果報錯：WindowsError: [Error 2]
pytesser WindowsError:[Error 2]
可能的原因：python找不到 “tesseract.exe”，執行步驟3給python指定一個絕對路徑就可以了。

如果報錯：ImportError: No module named Image
pytesser ImportError: No module named Image
可能的原因：在 pytesser 中的 “__init__.py” ，匯入 Image 的方式不對，見步驟4。


總結：

其實這只是處理最簡單的驗證碼而已，程式碼也很簡單，主要做兩個工作而已。第一個是將彩色圖片轉成灰度圖片併除噪，第二個是使用 pytesser.image_to_string() 將圖片中的字元提取出來。

處理的圖片也是非常有限的圖片上的數字或字母必須沒有變形（即使是沒有變形的情況下還會出現數字跟字母混淆的情況），驗證碼的背景不能太複雜，允許字型加上一些顏色。
這麼簡單的驗證碼估計很少見，不常用。所以這麼簡單的處理方法，我們看一看也就可以了，如果實際使用的話技術還有待深入。



轉載請註明出處，謝謝！（原文連結：http://blog.csdn.net/Bone_ACE/article/details/50436587）

相關文章