我要评论python中使用pytesseract库进行ocr识别，需要安装tesseract-ocr，通过指定pytesseract.tesseract_cmd路径，可以将esseract-ocr集成到pytho程序中，避免客户端电脑的依赖。
1、安装tesseract-ocr
tesseract是一个高度精确的开源ocr（光学字符识别）系统，广泛应用于文本识别项目中。
下载地址：
安装程序：下载后安装程序
中文包下载：
- 地址：https://gitcode.com/open-source-toolkit/90e2f
- 下载了最新版本的chi-sim.traineddata文件，复制到tesseract的
tessdata目录下 - 通常，路径类似于c:\program files\tesseract\tessdata（windows）
- 或 /usr/share/tesseract-ocr/4.00/tessdata（linux）。
2、在python中使用
安装依赖
pip install pytesseract
3、本地图片识别
import pytesseract
from pil import image
# 获取文件的绝对路径
def get_abspath(filename):
try:
current_dir = os.getcwd()
filename = os.path.normpath(os.path.join(current_dir, filename))
# print(f"get_abspath文件路径：{filename}")
return filename
except exception as e:
print(f"获取文件绝对路径时出现错误: {e}")
return ""
# 手动指定路径（windows常见） tesseract 系统路径
driver_path = r"tesseract-ocr\\tesseract.exe"
pytesseract.pytesseract.tesseract_cmd = get_abspath(driver_path)
#使用示例
if __name__ == "__main__":
# 1 识别本地图片
# 英文识别
current_dir = os.getcwd()
filename = os.path.normpath(os.path.join(current_dir, f"code.jpg"))
file = image.open(filename)
text = pytesseract.image_to_string(file, lang="eng")
print(text)
#中文识别，需要下载语言包
filename = os.path.normpath(os.path.join(current_dir, f"sushi.png"))
file = image.open(filename)
text = pytesseract.image_to_string(file, lang='chi_sim')
print(f"识别结果：{text}")识别结果示例：
4、结合playwright动态识别网站验证码
import os
import pytesseract
from pil import image
from playwright.sync_api import playwright
import tools.pwhander as pwhander
from pil import image
# 获取文件的绝对路径
def get_abspath(filename):
try:
current_dir = os.getcwd()
filename = os.path.normpath(os.path.join(current_dir, filename))
# print(f"get_abspath文件路径：{filename}")
return filename
except exception as e:
print(f"获取文件绝对路径时出现错误: {e}")
return ""
# 手动指定路径（windows常见） tesseract 系统路径
driver_path = r"tesseract-ocr\\tesseract.exe"
pytesseract.pytesseract.tesseract_cmd = get_abspath(driver_path)
# 验证码图片识别
def get_captcha(page: playwright, element_selector="img#captcha", file_name="code.jpg"):
try:
current_dir = os.getcwd()
filename = os.path.normpath(os.path.join(current_dir, f"{file_name}"))
# 通过class选择器获取img元素
code_img = page.locator(element_selector)
if not code_img:
raise valueerror("验证码元素未找到！")
# 刷新验证码
# code_img.click()
# 下载验证码图片
code_img.screenshot(path=filename)
file = image.open(filename)
text = pytesseract.image_to_string(file, lang="eng")
print("验证码识别结果:", text)
return text.strip()
except exception as e:
print(f"获取验证码 失败：{str(e)}")
return ""
#使用示例
if __name__ == "__main__":
# 2 动态识别网站验证码
with sync_playwright() as p:
browser = p.chromium.launch(headless=false, slow_mo=1000)
context = browser.new_context()
page = context.new_page()
page.goto("测试网址")
# 验证码图片下载
imgtext = get_captcha(page, "img#jcaptcha")
print(f"验证码：{imgtest}")
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持代码网。
发表评论