用Python识别简单验证码

前言闲扯

标题虽然是识别验证码，但实际上本文讲的是OCR（Optical Character Recognition，光学字符识别）。
用到三个模块：

• PIL
• tesseract-oc
• pytesseract

简单介绍下：
1. PIL （Python Imaging Library）是 Python 中最常用的图像处理库；
2. tesseract-oc是HP的一个文字识别项目，后来交给google做了开源；
3. pytesseract是基于tesseract-oc的python封装。

识别

pytesseract的使用十分简单，当然tesseract-oc本身的命令行调用也很简单，基于它的封装用起来也只有一行代码：

from PIL import Image
import pytesseract

im = Image.open("captcha.jpg")
vcode = pytesseract.image_to_string(im)
print(vcode)

运行后不出意外会报错：FileNotFoundError: [WinError 2] 系统找不到指定的文件
方法1: 将tesseract.exe的安装目录添加到PATH环境变量中；
方法2: 修改pytesseract.py文件，指定tesseract.exe安装路径tesseract_cmd = 'D:\\Tesseract-OCR\\tesseract；