安装tesseract OCR，即光学角色注册。 光学文字识别是扫描文字并根据其形状将其转换成电子文本的过程。 对于图形验证码，这些都是不规则的文字，这些文字确实是将文字稍微扭曲后变换而成的。
tesseract下载地址： https://digi.bib.uni-mannheim.de/tessera CT /
进入下载页面后，您将看到各种. exe文件的下载列表。 在这里还可以下载3.0版。
其中，文件名中带dev的为开发版，不带dev的为稳定版，也可以下载不带dev的。 例如，您也可以下载tessera CT-ocr-setup-3.05.02.exe。
下载完成后双击，会显示如下图所示的页面。
您可以在此处选中additionallanguagedata (download )选项以安装OCR支持的语言包，从而使OCR能够识别多种语言。 然后，请单击Next按钮。
接下来，要在python代码中使用tesseract功能，请使用pip安装pytesseract。
pip安装pytesseract
2、配置环境变量便于全局使用。 例如，如果安装路径是d:programfiles(x86 )Tesseract-OCR，将该路径添加到环境变量的path中
配置完成后，在命令行中输入tesseract -v。 环境变量已成功配置，如下图所示
3、验证安装然后可以分别使用tesseract和pytesseract进行测试。
将下图所示的图像作为样本进行测试。
指向此图像的链接可直接保存或下载到https://raw.github user content.com/python3web spider/testtess/master/image.png。
首先在命令行中进行测试，将图像下载到驱动器的chromeDownload文件夹中，将其另存为image.png，然后在该文件夹中打开命令行，并使用tesseract命令进行测试。
tesseract image.png result
执行结果如下。
d : (chromedownloadtesseractimage.png result
tesseractopensourceocrenginev3. 05.02 withleptonica
在这里，我调用了tesseract命令。 第一个参数是图像名称，第二个参数result是存储结果的目标文件名。
执行结果是图像的识别结果。 这是Python3WebSpider。 result.txt显示在chromeDownload文件夹中，并成功将图像文本转换为电子文本。
然后，也可以使用Python代码进行测试。 在这里，您需要使用pytesseract库。 测试代码如下所示。
frompilimportimportimportimportpytesseracttext=pytesseract.image _ to _ string (image.open (r ' d : (chrome download ) )
执行结果如下。
Python3WebSpider
如果结果成功输出，则验证tesseract和pytesseract均已成功安装。
4、使用时遇到的漏洞使用tesseract命令行进行测试时，会议开始报告以下错误
erroropeningdatafileprogram files (x86 ) tessera CT-ocrTess data/eng.trained data
pleasemakesurethetessdata _ prefixenvironmentvariableissettotheparentdirectoryofyour ' Tess data ' directory。
失败的载入语言' eng '
tesseractcouldn ' tloadanylanguages！
Could not initialize tesseract。
错误意味着环境变量TESSDATA_PREFIX不足，无法加载任何语言，也无法初始化tesseract。
解决方法也很简单。 将TESSDATA_PREFIX添加到环境变量中，如下图所示
注：变量值路径为d:/programfiles(x86 )/Tesseract-OCR，并使用正斜杠“/”。 在windows上复制的路径默认为反斜杠“”
配置完成后，可以重新打开命令行以正常使用。
第二个凹坑在使用pytesseract时发生以下错误
跟踪后台(mostrecentcalllast ) :
file ' d :python 36libsite-packagespytesseract.py '，line 170，in run_tesseract
proc=subprocess.popen(cmd_args，**subprocess_args ) )
file ' d :python 36libsubprocess.py '，line 709，in __init__
restore_signals，start_new_session )
file ' d :python 36libsubprocess.py '，line 997，in _execute_child
startupinfo )
找不到在file not found error 3360 [ winerror2]系统中指定的文件。
duringhandlingoftheaboveexception，another exception occurred:
跟踪后台(mostrecentcalllast ) :
File 'D:/python/20180911.py '，line 4，in module
text=pytesseract.image _ to _ string (image.open (r ' d : (chrome download (image.png ' ) )
file ' d :python 36libsite-packagespytesseract.py '，line 294，in image_to_string
returnrun_and_get_output(*args ) )。
file ' d :python 36libsite-packagespytesseract.py '，line 202，inrun_and_get_out
run_tesseract(**Kwargs ) ) ) ) ) ) ) ) ) ) ) ) ) )。
file ' d :python 36libsite-packagespytesseract.py '，line 172，in run_tesseract
raise TesseractNotFoundError (
pytesseract.pytesseract.tesseractnotfounderror : tesseractisnotinstalledorit ' snotinyourpath
这个有洞。 添加了全局变量吗？ 还是表示没有安装tesseract或不在PATH中？
百度一下，解决方案如下。
安装pytesseract后，将在python lib目录下的site-packges下生成pytesseract文件夹。 在这个文件夹中找到pytesseract.py。 路径为d:python36libsite-。
# changethisiftesseractisnotinyourpath，OR IS NAMED DIFFERENTLY
tesseract_cmd='tesseract '
将tesseract_cmd='tesseract '更改为tessera CT _ cmd=' d :/program files (x86 )/Tesseract-OCR/tesseract.exe
指示tesseract_cmd配置了安装tesseract的绝对路径。 这样就可以找到tesseract了。 修改后保存，执行python代码就成功了。