本次介绍的解决方法是使用谷歌的验证码识别引擎Tesseract对验证码进行简单粗暴的识别，看到这里，你也许会有几个疑问，下面我就几个问题作出我个人的一些理解。

1.什么是Tesseract

　　Tesseract本质上就是基于OCR技术，通过机器学习的某些算法实现的对图片进行分类的技术，那么什么叫做机器学习？简单的来说，大概就是你告诉电脑这张图片是1，那张图片是2，经过不断地试错与校正，最终在你给出待测图片时，电脑会根据算法找到最接近正确答案的解。某种意义上来说，是一种二分（暴论。现实当中，PWM调制时的电流比较型电路中，也采用了类似原理的滞环比较方式。

2.什么叫做“简单粗暴的识别”？

　　简单主要体现在几个方面，首先是简单的安装方式，在github上有tesseract的源码，同时也有官方指路的windows系统下的安装包，直接下载exe文件安装即可。另一方面，在代码实现上也十分简单，只需要短短的几行代码，就可以调用识别功能。当然，缺点一定是与方便性并存的...关于这些后面会提到。

那么，这么便民的功能，在哪里才买（获取）得到呢？



Tesseract的下载与安装

1.安装tesseract-ocr

github地址：https://github.com/tesseract-ocr/tesseract

Windows下载地址：https://digi.bib.uni-mannheim.de/tesseract/?C=M;O=A

进入下载页面后下载相应的安装包即可，我用的是Windows平台，选择的是tesseract-ocr-w64-setup-v5.0.0-alpha.20201127.exe

2.配置环境变量

　　网上大多数的安装教程写的都是安装到C:\Program Files(x86)\Tesseract-OCR这一路径下，但是我下载之后一路点默认，最终的安装路径是C:\Program Files\Tesseract-OCR。所以下面也根据我个人的配置给出建议。
　　在系统变量的Path一栏添加一条C:\Program Files\Tesseract-OCR，同时系统变量新增一项TESSDATA_PREFIX，变量值为C:\Program Files\Tesseract-OCR\tessdata。这些都是常规操作了，稍微玩过电脑的同学就可以直接跳过这一部分（整个教程）。这个时候win+R，运行cmd，输入tesseract -v，如果出现版本号，那么就安装完成了。

3.安装pytesseract

　　这一步很简单，因为我用的是anaconda整合的python环境，如果你用的是Spyder或者PyCharm一类的IDE，一行pip install pytesseract就能解决问题。

pytesseract的使用例

代码如下

# -*- coding: utf-8 -*-

from PIL import Image,ImageFilter
import pytesseract
path = './test.png'
cap = Image.open(path)
res = pytesseract.image_to_string(cap)
with open('output.txt', 'w', encoding='utf-8') as f:
    f.write(res)

把验证码图片命名为test.png，放在同一目录下运行代码即可，其实那里放的就是相对路径，绝对路径应该也可以，我这里把结果输出到了output.txt，下面来看一下效果吧

测试图片：


输出：

可见识别准确度是相当狗屎的 这是因为验证码图片还未经处理，一般还会有去噪点，彩色转灰度，灰度转二值，二值图像识别等手段来提高识别准确度，当然还可以用自己的机器学习算法...当然不提倡这种从轮子造起的行为，敬请期待下一期，验证码识别进阶。