一、Tesseract-OCR 是什么
An OCR Engine that was developed at HP Labs between 1985 and 1995… and now at Google
基于Leptonica(http://leptonica.com/)图形处理库开的开源图形识别引擎。
支持Linux、Windows、Mac平台,
支持.NET、C++、Python、Java等开发语言:https://code.google.com/p/tesseract-ocr/wiki/AddOns
项目地址:https://code.google.com/p/tesseract-ocr/
二、使用方法
下载安装:https://tesseract-ocr.googlecode.com/files/tesseract-ocr-setup-3.02.02.exe
注意安装时的Path目录、数学符号、语言选项,按需选择。
执行:”tesseract yourpic.png res”
图片 yourpic.png 里面的内容会被识别后保存在 res.txt
为了更精确的识别可以去到项目地址上下载相应的各种语言的 language tessdata
例如:
简体中文 https://tesseract-ocr.googlecode.com/files/tesseract-ocr-3.02.chi_sim.tar.gz
繁体中文
下载解压后 chi_sim.traineddata 复制到 Tesseract-OCR\tessdata 即可
执行:
“tesseract yourpic.png eng” 使用 默认eng语言包
“tesseract yourpic.png sim -l chi_sim” 使用 chi_sim语言包
“tesseract yourpic.png tra -l chi_tra” 使用 chi_sim语言包
选择最接近真实数据的,方便以后修正
三、进阶使用 Training
为数不多的training tesseract-ocr中文文档
http://yy-programer.blogspot.tw/2012/08/training-tesseract-ocr-301.html
对于高精度需求的需要研究一下了,日常民用级别,默认识别加后期修正即可。
四、应用实例之吸附代理
针对 http://www.proxyfire.net/ 几个代理列表页的代理吸附
话不多说直接上代码,
pf.bat
pf.pl http://www.proxyfire.net/index.php?pageid=eliteproxylist elite.txt pf.pl http://www.proxyfire.net/index.php?pageid=anonymousproxylist anony.txt pf.pl http://www.proxyfire.net/index.php?pageid=transparentproxylist trans.txt pf.pl http://www.proxyfire.net/index.php?pageid=socks4proxylist s4.txt pf.pl http://www.proxyfire.net/index.php?pageid=socks5proxylist s5.txt type *.txt > all.tmp del *.txt /s/q ren all.tmp all.txt @pause
use strict; our $url = $ARGV[0]; our $file = $ARGV[1]; my $res = undef; my @tmp = undef; my @pxy = undef; `wget $url -q -O ___html`; open FH, "<___html"; @tmp = ; close FH; $res = join('',@tmp); undef(@tmp); `del ___html /s /q`; @tmp = ( $res =~ /<img alt="" src="([^" border="0">]+)><\/td>(\d+)'http://www.proxyfire.net'.$tmp[$i], 'port'=>$tmp[$i+1]}; $i = $i + 1; } for (my $i=0; $i < @pxy; $i++) { if( length(${$pxy[$i]}{ip})>0 ) { `echo off & wget ${$pxy[$i]}{ip} -q -O ___png`; `tesseract ___png ___ -l chi_tra`; my $txt = undef; open FH,"<___.txt"; $txt = ; close FH; if ( length($txt)>11 ) { $txt =~ s/\s+//g; $txt =~ s/日/8/g; $txt =~ s/昍/88/g; $txt =~ s/s0/60/g; $txt =~ s/s1/61/g; $txt =~ s/s2/62/g; $txt =~ s/s3/69/g; $txt =~ s/s4/64/g; $txt =~ s/s5/65/g; $txt =~ s/s7/67/g; $txt =~ s/s8/68/g; $txt =~ s/s9/69/g; $txt =~ s/0s/06/g; $txt =~ s/1s/16/g; $txt =~ s/2s/26/g; $txt =~ s/3s/96/g; $txt =~ s/4s/46/g; $txt =~ s/5s/56/g; $txt =~ s/6s/66/g; $txt =~ s/7s/76/g; $txt =~ s/8s/86/g; $txt =~ s/9s/96/g; $txt =~ s/ss/66/g; $txt =~ s/\.s/\.6/g; ${$pxy[$i]}{ip} = $txt; my $bak1 = $txt; my $bak2 = $txt; $bak1 =~ s/13/19/g; $bak1 =~ s/\.32\./\.92\./g; $bak1 =~ s/\.33\./\.99\./g; $bak2 =~ s/19/13/g; $bak2 =~ s/\.243/\.249/g; $bak2 =~ s/203\./209\./g; open FHX,">>$file"; print FHX ${$pxy[$i]}{ip}.":".${$pxy[$i]}{port}."\n"; print FHX $bak1.":".${$pxy[$i]}{port}."\n"; print FHX $bak2.":".${$pxy[$i]}{port}."\n"; close FHX; } my $txt = undef; } } `del ___* /s /q`; undef($url); undef($file); undef($res); undef(@tmp); undef(@pxy);
本文向大家介绍Java使用OCR技术识别验证码实现自动化登陆方法,包括了Java使用OCR技术识别验证码实现自动化登陆方法的使用技巧和注意事项,需要的朋友参考一下 如论实施敏捷的团队,或者实施 DevOps 的团队,通过自动化测试提高测试效率和软件质量都是其共同的选择。UI 自动化测试是自动化化测试当中的重要环节,在 UI 自动化测试中验证码识别一直是令自动化测试人员头疼的问题。今年来随着 OCR
本文向大家介绍python利用Tesseract识别验证码的方法示例,包括了python利用Tesseract识别验证码的方法示例的使用技巧和注意事项,需要的朋友参考一下 无论是是自动化登录还是爬虫,总绕不开验证码,这次就来谈谈python中光学识别验证码模块tesserocr和pytesseract。tesserocr和pytesseract是Python的一个OCR识别库,但其实是对tesse
本文向大家介绍python opencv pytesseract 验证码识别的实现,包括了python opencv pytesseract 验证码识别的实现的使用技巧和注意事项,需要的朋友参考一下 一、环境配置 需要 pillow 和 pytesseract 这两个库,pip install 安装就好了。 安装好Tesseract-OCR.exe pytesseract 库的配置:搜索找到pyt
本文向大家介绍Python识别验证码的实现示例,包括了Python识别验证码的实现示例的使用技巧和注意事项,需要的朋友参考一下 废话不多说,直接开干! 首先安装库 然后按照tesseract程序下载安装 tessercat下载地址:https://digi.bib.uni-mannheim.de/tesseract/ //请依据自己的操作系统下载exe文件安装 用户变量,系统变量都添加:PATH
本文向大家介绍python入门教程之识别验证码,包括了python入门教程之识别验证码的使用技巧和注意事项,需要的朋友参考一下 前言 验证码?我也能破解? 关于验证码的介绍就不多说了,各种各样的验证码在人们生活中时不时就会冒出来,身为学生日常接触最多的就是教务处系统的验证码了,比如如下的验证码: 识别办法 模拟登陆有着复杂的步骤,在这里咱们不管其他操作,只负责根据输入的一张验证码图片返回一个答案字
本文向大家介绍java实现百度云OCR文字识别 高精度OCR识别身份证信息,包括了java实现百度云OCR文字识别 高精度OCR识别身份证信息的使用技巧和注意事项,需要的朋友参考一下 本文为大家分享了java实现百度云OCR识别的具体代码,高精度OCR识别身份证信息,供大家参考,具体内容如下 1.通用OCR文字识别 这种OCR只能按照识别图片中的文字,且是按照行识别返回结果,精度较低。 首先引入依