python使用pytesseract识别验证码的方法

1、系统环境

• OS X  10.7
• MacBook Pro(13英寸，2012年初期)
• Python 2.7

2、需要软件包

    a、需要安装PIL以及pytesseract库

        Python-tesseract是一个基于google's Tesseract-OCR的独立封装包；

        Python-tesseract功能是识别图片文件中文字，并作为返回参数返回识别结果；

        Python-tesseract默认支持tiff、bmp格式图片，只有在安装PIL之后，才能支持jpeg、gif、png等其他图片格式；

        Python-tesseract支持python2.5及更高版本；

        PIL［Python Imaging Library］来支持更多的图片格式；

    b、需要安装google tesseract-ocr

          执行命令行 tesseract.exe 1.png output -l eng ，可以识别1.png中文字，并把识别结果输出到output.txt中；

          Pytesseract对上述过程进行了二次封装，自动调用tesseract.exe，并读取output.txt文件的内容，作为函数的返回值进行返回。

3、程序

    import pytesseract
    from PIL import Image

    image = Image.open('./0.png')
    code = pytesseract.image_to_string(image)
    print (code)

4、PLI安装

    mac安装PIL有点麻烦，此处不再详叙。参见我的其他博客内容！

5、安装google tesseract-ocr

准备工作1

tips：以下依赖文件，可进入http://ftpmirror.gnu.org/中找到对应的文件进行下载，推荐每个包看日期下载最新版本，以下为本文下载的安装包。

• libtool-2.4.6.tar.gz
• autoconf-latest.tar.gz
• automake-1.15.tar.gz
• jpegsrc.v9b.tar.gz

以上必需安装大礼包可上百度云盘免费领取，如过期请自行下载，链接: http://pan.baidu.com/s/1i56i5e9 密码: 7rhq

安装步骤1

以automake-1.15.tar.gz为例，请依次顺序安装。

安装步骤1一般不会出现什么问题，轻松安装。

准备工作2

tips：以下依赖文件，请用brew进行直接下载安装，如果用安装包编译安装的话，可能会出现难以解决的问题。哎，心烧得慌。

brew for mac 的安装方法，在mac命令行控制台执行如下命令：

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

• tiff-4.0.6.tar.gz
• libpng-1.6.21.tar.gz
• leptonica-1.73.tar.gz
• tesseract-ocr-3.04.01.zip

安装步骤2

请用brew依次顺序安装，如下：

此过程可能会出现不少问题，心里脆弱的也许会马上崩溃，如同这样：

         痛定思痛之后，还是继续解决问题吧，最常见的问题可能是：

不要觉得下载安装看上去好像正常，但是出现error就必须重视看看，大致意思是说创建link的过程中*** is not writable，目录不可写怎么办，改权限，可以直接暴力点上777。就本例所示：

解决该类问题的思路很简单，什么不可写就上777，再按照Error后面紧跟的提示，比如说You can using again using …重试加link即可。 当安装正常，问题全部修复后，运行：

至此，tesseract的安装已完成95%，仅剩最后的语言包配置。仿佛看见胜利的曙光，[愁绪挥不去苦闷快散去]。

安装步骤3

需要在tesseract-ocr下载语言包，因为语言包有几百兆甚至1个G，没必要完全下载。只用下载eng（英语）、chi_sim（中文简体）、chi_tra（中文繁体）。有趣的事情来了，不少github新手，不知道如何在github上下载某个项目里面某个具体的文件。因为github上面只有在项目的主页才有显性的Download Zip按钮，只能一次性下载整个项目。不用担心，一张图让你明白怎么解决整个问题。

然后将下载的语言包导入tessdata文件夹即。可能有人不太明白tessdata文件夹在哪儿，其实不用明白也可以。这里可以假装已经导入，进行测试步骤，运行：

直接导入到对应目录即可。So mission 100% completed.

测试步骤4

本文测试样张为12306验证码接口提供的验证码，下载后用Photoshop裁剪文字部分，如下图示：

运行：

结果差强人意，正确识别出了5个字，剩下的就靠自己的研究了。

安装过程中大写的错误

前文交代过，第二部分如果用安装包编译安装的话，每一步都是正常通过，但tesseract就是没法用。具体表现为：

首先提示，检测不到libjpeg、libpng、libtiff库，可宝宝已经无数次检查安装过。只能重复的进行sudo make uninstall、sudo ./configure && sudo make && sudo make install，以为是版本不兼容，换了好多版本尝试也没结果。
检测不出来不管了，直接测试功能，结果提示

上百度谷歌了一下，找了许多方法，基本上都是说缺少前面的三个包，重新卸载安装，还有的救，结果我经过了一下午数十次重复安装的情况下也没能救的了自己，那就换思路，做学问要一丝不苟，不怕失败。结果用brew弄好了，不错，好的开始，加油明天。