tesserocr與pytesseract模組的使用方法解析
阿新 • • 發佈:2020-01-09
1.tesserocr的使用
#從檔案識別影象字元 In [7]: tesserocr.file_to_text('image.png') Out[7]: 'Python3WebSpider\n\n' #檢視tesseract已安裝的語言包 In [8]: tesserocr.get_languages() Out[8]: ('/usr/share/tesseract/tessdata/',['eng']) #從圖片資料識別影象字元 In [9]: tesserocr.image_to_text(im) Out[9]: 'Python3WebSpider\n\n' #檢視版本資訊 In [10]: tesserocr.tesseract_version() Out[10]: 'tesseract 3.04.00\n leptonica-1.72\n libgif 4.1.6(?) : libjpeg 6b (libjpeg-turbo 1.2.90) : libpng 1.5.13 : libtiff 4.0.3 : zlib 1.2.7 : libwebp 0.3.0\n'
2.pytesseract使用
功能:
- get_tesseract_version 返回系統中安裝的Tesseract版本。
- image_to_string 將影象上的Tesseract OCR執行結果返回到字串
- image_to_boxes 返回包含已識別字符及其框邊界的結果
- image_to_data 返回包含框邊界,置信度和其他資訊的結果。需要Tesseract 3.05+。有關更多資訊,請檢視Tesseract TSV文件
- image_to_osd 返回包含有關方向和指令碼檢測的資訊的結果。
引數:
image_to_data(image,lang=None,config='',nice=0,output_type=Output.STRING)
- image object 影象物件
- lang String,Tesseract 語言程式碼字串
- config String 任何其他配置為字串,例如:config='--psm 6'
- nice Integer 修改Tesseract執行的處理器優先順序。Windows不支援。尼斯調整了類似unix的流程的優點。
- output_type 類屬性,指定輸出的型別,預設為string。有關所有支援型別的完整列表,請檢查pytesseract.Output類的定義。
from PIL import Image import pytesseract #如果PATH中沒有tesseract可執行檔案,請指定tesseract路徑 pytesseract.pytesseract.tesseract_cmd='C:\Program Files (x86)\Tesseract-OCR\\tesseract.exe' #列印識別的影象的字串 print(pytesseract.image_to_string(Image.open('test.png'))) #指定語言識別影象字串,eng為英語 print(pytesseract.image_to_string(Image.open('test-european.jpg'),lang='eng')) #獲取影象邊界框 print(pytesseract.image_to_boxes(Image.open('test.png'))) #獲取包含邊界框,置信度,行和頁碼的詳細資料 print(pytesseract.image_to_data(Image.open('test.png'))) #獲取方向和指令碼檢測 print(pytesseract.image_to_osd(Image.open('test.png'))
影象識別簡單應用
一般影象處理驗證,需要通過對影象進行灰度處理、二值化後增加影象文字的辨識度,下面是一個簡單的對影象驗證碼識別處理,如遇到複雜點的影象驗證碼如中間帶多條同等大小劃線的驗證碼需要對文字進行喬正切割等操作,但它的識別度也只有百分之30左右,所以得另外想別的辦法來繞過驗證
from PIL import Image import pytesseract im = Image.open('66.png') #二值化影象傳入影象和閾值 def erzhihua(image,threshold): ''':type image:Image.Image''' image=image.convert('L') table=[] for i in range(256): if i < threshold: table.append(0) else: table.append(1) return image.point(table,'1') image=erzhihua(im,127) image.show() result=pytesseract.image_to_string(image,lang='eng') print(result)
模擬自動識別驗證碼登陸:
#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2018/7/13 8:58 # @Author : Py.qi # @File : login.py # @Software: PyCharm from selenium import webdriver from selenium.common.exceptions import TimeoutException,WebDriverException from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.remote.webelement import WebElement from io import BytesIO from PIL import Image import pytesseract import time user='zhang' password='123' url='http://10.0.0.200' driver=webdriver.Chrome() wait=WebDriverWait(driver,10) #識別驗證碼 def acker(content): im_erzhihua=erzhihua(content,127) result=pytesseract.image_to_string(im_erzhihua,lang='eng') return result #驗證碼二值化 def erzhihua(image,'1') #自動登陸 def login(): try: driver.get(url) #獲取使用者輸入框 input=wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#loginname'))) #type:WebElement input.clear() #傳送使用者名稱 input.send_keys(user) #獲取密碼框 inpass=wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#password'))) #type:WebElement inpass.clear() #傳送密碼 inpass.send_keys(password) #獲取驗證輸入框 yanzheng=wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#code'))) #type:WebElement #獲取驗證碼在畫布中的位置 codeimg=wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,'#codeImg'))) #type:WebElement image_location = codeimg.location #擷取頁面影象並擷取掩碼碼區域影象 image=driver.get_screenshot_as_png() im=Image.open(BytesIO(image)) imag_code=im.crop((image_location['x'],image_location['y'],488,473)) #輸入驗證碼並登陸 yanzheng.clear() yanzheng.send_keys(acker(imag_code)) time.sleep(2) yanzheng.send_keys(Keys.ENTER) except TimeoutException as e: print('timeout:',e) except WebDriverException as e: print('webdriver error:',e) if __name__ == '__main__': login()
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。