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
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