Python实例：利用pytesseract库进行图片文字识别

在做爬虫的时候经常遇到图片验证码。这是一个很蛋疼的东西，我每次都得自己去手动输入抓取的图片验证码。有没有办法可以通过OCR来进行处理图片中的文字呢？

有！

嘛，不过今天这个pytesseract库只是一个基础的文字识别库。

首先当然是需要安装pytesseract库还有图像处理的PILLOW库了，走起——

pip install pytesseract
pip install PILLOW

1 2	pip install pytesseract pip install PILLOW

然后要安装一个Tesseract-OCR软件。这个软件是由Google维护的开源的OCR软件。下载地址：百度网盘（密码：5m3d）。再在Windows下配置一下环境变量。

代码很简单：

# -*-encoding:utf-8-*-
import pytesseract
from PIL import Image

def main():
	image = Image.open("1.jpg")
	#image.show() #打开图片1.jpg
	text = pytesseract.image_to_string(image,lang='chi_sim') #使用简体中文解析图片
	#print(text)
	with open("output.txt", "w") as f: #将识别出来的文字存到本地
		print(text)
		f.write(str(text))

if __name__ == '__main__':
    main()