验证码的识别 :tesserocr简单介绍以及如何 win10下如何安装tesserocr

现在越来越多的网站都会使用一些措施来反爬虫了，其中一个很常见的就是使用验证码。

验证码的种类很多，大体分成普通图形验证码，极验滑动验证码，点触验证码，微博宫格验证码等等。今天要解决的是第一种。

tesserocr是python的一个OCR识别库，但实际上是对tesseract做一个一层的python API封装，因此核心是tesseract。

我使用的是python3.6版本，win10系统。

首先安装tesseract，进入网址https://digi.bib.uni-mannheim.de/tesseract/。

在上图可以看到许多文件，带有Dev的是开发版本，不带Dev的表示的是稳定版本，在此我选择的是不带Dev的3.0版本 ： tesseract-ocr-setup-3.05.02-20180621.exe,下载完之后双击安装。

一直点击next，会弹出以下页面，然后勾选Addition language data，这样的话，OCR就能识别很多种语言了，然后再点击next。

然后在cmd下安装tesserocr。

输入pip install tesserocr，会报错，因为本地是没有这个轮子的

所以这里给一个链接下载：https://github.com/simonflueckiger/tesserocr-windows_build/releases/tag/tesserocr-v2.2.2-tesseract-4.0.0-master

然后在命令行窗口跳转到下载好的文件路径下，再输入相关pip install wenjian_name,如pip install tesserocr-2.2.2-cp36-cp36m-win32.whl

如果版本不对，就会报错