Tesseract 安装以及简介

阻碍我们爬虫的，有时候正是在登录或者请求一些数据时候的图形验证码。

因此这里讲解一种能将图片翻译成文字的技术。将图片翻译成文字一般被称为光学文字识别（Optical Character Recognition），简写为OCR。

实现OCR的库不是很多，特别是开源的。因为这块存在一定的技术壁垒（需要大量的数据、算法、机器学习、深度学习知识等），并且如果做好了具有很高的商业价值。

因此开源的比较少。

这里介绍一个比较优秀的图像识别开源库：Tesseract。

Tesseract是一个将图像翻译成文字的OCR(光学文字识别,Optical Character Recognition),目前由谷歌赞助。

Tesseract是目前公认最优秀、最准确的开源OCR库。

Tesseract具有很高的识别度，也具有很高的灵活性，他可以通过训练识别任何字体

Windows系统安装 在以下链接下载可执行文件,https://github.com/tesseract-ocr/

安装步骤如下：

1. Win + R:

pip install pytesseract

2. 安装完毕后：双击下载好的tesseract, 进行安装

3. 安装完毕后，在系统环境变量中PATH内，添加tesseract 路径：

环境变量PATH新增tesseract路径

4. 环境变量中用户变量新增TESSDATA_PREFIX, 值为 testdata 路径

示例一：

demo.jpg

实例程序

示例二：