?

本練習(xí)涉及：css語法、

IO、pytesseract、pillow和parsel庫

目錄

第一步

?第二步

第一部分的源代碼

第二部分? 圖片驗(yàn)證碼

第二部分源代碼

第一部分

練習(xí)網(wǎng)址：http://www.porters.vip/confusion/recruit.html

如圖：

第一步

使用parsel庫的css選擇器，獲取圖片的網(wǎng)址

parsel是一個(gè)強(qiáng)大的數(shù)據(jù)解析庫

里面有css，xpath以及re

常用的css語法

?第二步

請(qǐng)求、處理圖片，識(shí)別成文字

需要用到pillow（原PIL庫）和pytesseract庫

安裝方式：?pip?install?pytesseract，pillow

注意?。?！

安裝是pillow，調(diào)用是import PIL

找不到tesseract語言包的下面拿：

?鏈接: https://pan.baidu.com/s/1B00tHLndwil7-gGWonKXhQ?pwd=ydii 提取碼: ydii?

用IO庫的BytesIO方法讀取圖片二進(jìn)制數(shù)據(jù)

配合PIL.Image方法打開圖片

這樣操作可以不用將圖片保存本地，直接在內(nèi)存中處理

最后使用pytesseract.image_to_string方法進(jìn)行文字識(shí)別

輸出結(jié)果

第一部分的源代碼

第二部分? 圖片驗(yàn)證碼

中國知網(wǎng)：http://my.cnki.net/Register/

如圖，先提取驗(yàn)證碼的網(wǎng)址，請(qǐng)求網(wǎng)址，

刷新幾次發(fā)現(xiàn)，每次請(qǐng)求的驗(yàn)證碼都不同

通過PIL處理圖片，先把圖片黑白色處理（消除彩色），再進(jìn)行二值化處理（消除干擾線）

效果

補(bǔ)充一個(gè)計(jì)算型驗(yàn)證碼：http://www.porters.vip/captcha/mathes.html

多一步，正則re提取

效果

第二部分源代碼

太長了，本文章進(jìn)階的下半部分

https://blog.csdn.net/qq_59970317/article/details/122421608

tesseract是開源免費(fèi)的庫，識(shí)別率有限，

不過支持圖片訓(xùn)練

百度和騰訊的OCR識(shí)別接口效果很好

?

點(diǎn)個(gè)贊唄<(￣︶￣)>

?