python爬虫之tesserocr安装（tesseract-ocr python）

在爬虫的过程中，难免会遇到各种验证码，而大多数验证码还是图形验证码，这时候我们可以直接用OCR来识别。OCR(optical character recognition)：光学字符识别。是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。tesserocr是python的一个OCR识别库，但其实是对tesseract做的一层pythonAPI封装，所以它的核心是tesseract，因此在安装tesserocr之前，我们需要先安装tesseract。

下载地址：https://digi.bib.uni-mannheim.de/tesseract/

进入到下载页面，可以看到各种.exe文件的下载列表，其中，文件名带有dev的为开发版本，不带dev的为稳定版本，可以选择不带dev的版本，这里选择版本为3.05.01,如下图所示：

安装步骤：

记得勾选Additional language data(download)选项来安装OCR识别支持的语言包，这样OCR可以识别多国语言。

接下来再安装tesserocr即可，命令：pip3 install tesserocr pillow

现在开始验证安装，可以使用tesseract和tesserocr来分别进行测试。

意外：使用上述命令安装tesserocr 失败：

下载：tesserocr-2.2.2-cp36-cp36m-win_amd64.whl

地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases

使用命令：pip install tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 进行安装

如果遇到：RuntimeError: Failed to init API, possibly an invalid tessdata path:

请参考文章：Python3.6安装使用tesserocr文件时遇到问题_ NewJune_博客园(百度就有)

验证安装：(图片下载地址：)

https://raw.githubusercontent.com/Python3WebSpider/TestTess/master/image.p