爬虫之tesseract+tesserocr的安装

刚刚学到验证码的识别，需要安装tesserorc利用OCR技术（光学字符识别）来进行验证码识别，在此过程遇到许多问题，现在来总结总结。

安装环境：windows10+Python3+anaconda3

1. tesseract的安装

tesserorc是python的一个OCR识别库，不过他是对tesseract做的一层python API封装，核心还是tesseract，所以要调用python的tesserocr库是，得先安装tesseract。

1.1 tesseract的下载

下载地址：https://digi.bib.uni-mannheim.de/tesseract/ 下载页面如图所示
在这里插入图片描述
其中带有dev的为开发版本，不带dev的是稳定版，这里我下的是不带dev的3.05.02的版本，选择好版本之后就进行下载。

1.2 安装tesseract

tesseract的安装比较简单，只需要改一下安装路径，当然你也可以选择默认路径，还有就是安装到下面步骤后，可以勾选**Additional…**这项，勾选它就可以进行多国的语言识别了。
在这里插入图片描述
1.3 将tesseract的路径添加到环境变量中

步骤：电脑->属性->高级系统设置->环境变量->系统变量->双击Path，然后将tesseract的安装路径添加进去，如图。
在这里插入图片描述
记得要用英文的”；“与前面隔开，到此tesseract的安装就结束了。接下来安装tesserocr。

我发现按照崔大大书上的步骤来安装tesserorc是行不通的，安装了几回都行不通，最后参照网上的方法成功安装了，具体步骤如下。

2.1 下载tesserocr whl文件

2.2 安装tesserocr

用管理员身份打开cmd窗口，然后用pip进行安装，如下
在这里插入图片描述
其中红色框起来的是你tesserocr whl文件的位置，到此tesserocr也安装完了，接下来进行测试，看看看是否已成功安装。

书上的那个image图片我去访问的时候出错了，于是我自己用画图了个进行验证，如下。

import tesserocr
from PIL import Image
image = Image.open('1ac.png')
print(tesserocr.image_to_text(image))

但是发现报如下错误，说的是API调用失败，可能在D盘的Anconda文件下没找到tessdata文件
在这里插入图片描述
不慌，这时我们只需将之前安装的tesseract文件里的tessdata文件，复制到anaconda安装的目录下即可，如下。

这时我们再去测试就不会报错了，如图。