[Python技术] 利用pytesseract进行OCR图像识别例子和实现步骤

昨天有同学问我 登录中的图形验证码怎么识别解决， 我当时给他回复用pytesseract 或paddleocr 来实现。 估计一些同学对百度开源的paddleocr 不感冒，那这篇文章我就以pytesseract举例好了。

上午陪小朋友玩了盘大富翁游戏，看了下游戏说明，要不就用这个图片识别写个例子。

大家都知道，爬取很多网站数据，基本需要登录。 而登录要用到图形验证码，那图形验证码识别不得不面对。

如果你舍得花钱， 完全可以去 阿里云、腾讯云等等采购他们的API服务。如果你不想花钱，那就自己捣鼓下呗。

进入正题：

pytesseract开源项目： https://github.com/madmaze/pytesseract

这里我用mac M2举例，

1、brew install tesseract

2、brew install tesseract-ocr

3、pip3 install pytesseract

写一个例子

from PIL import Image
from pytesseract import *
image = Image.open('dafuweng.jpg')
#识别过程
text = image_to_string(image,lang='chi_sim')
print(text)

提示中文不支持，比如路径找不到

/opt/homebrew/share/tessdata/chi_sim.traineddata

那就继续执行命令

wget -O /opt/homebrew/share/tessdata/chi_sim.traineddata https://github.com/tesseract-ocr/tessdata/raw/main/chi_sim.traineddata

如果提示没权限，增加sudo即可。继续执行， 图片识别出来。如上图所示。 windows、linux 类似。

题外话：

玩大富翁这款游戏，发现这款游戏和我们投资类似。 我们一定要前期做好资产积累， 买资产抢占地盘， 留点闲钱进行日常开支， 不然你用别人什么东西都要过路费、XX费。

还要有几分运气 ， 碰到天上掉的机会一定要抓住。

另外要有风险意识，不然可能有破产的风险。

其实最初打算写的文章不是这个， 昨天晚上写了个通过竞价涨停判断当天的概念板块发酵方向的例子， 后面想了想貌似不适合网络公开，就放在知识星球里，风险可控。