【记录】尝试使用PyTesser解析网易163博客中的验证码

【背景】

从：

求一个验证码识别代码

得知了一个Python库：

PyTesser

http://code.google.com/p/pytesser/

https://pypi.python.org/pypi/PyTesser/0.0.1

所以，打算试试，用其能否解析之前解决不了的，网易163博客中的验证码。

【折腾过程】

1.从

http://code.google.com/p/pytesser/downloads/list

下载得到pytesser_v0.0.1.zip，解压后，看到

pytesser_v0.0.1\README

说是，无需安装，直接解决即可使用。

2.试了试下面代码：

#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
-------------------------------------------------------------------------------
Function:
【记录】尝试使用PyTesser解析网易163博客中的验证码
https://www.crifan.com/try_use_pytesser_decode_netease_163_captcha

Autor:  Crifan Li
Date:   2013-04-02

-------------------------------------------------------------------------------
"""

#---------------------------------import---------------------------------------
import sys;
sys.path.append("pytesser_v0.0.1");
from PIL import Image;
from pytesser import *

def pytesser_try_decode_163captcha():
    """
    try to use PyTesser to decode 163 captcha
    """
    testCaptchaPic = "test_captcha_pic/captcha.gif";
    image = Image.open(testCaptchaPic); # Open image object using PIL
    print image_to_string(image); # Run tesseract.exe on image
    print image_file_to_string(testCaptchaPic);


###############################################################################
if __name__=="__main__":
    pytesser_try_decode_163captcha();

去运行，结果直接导致，Win7弹出出错的对话框，告诉当前程序停止运行：

python.exe has stopped working

后来发现在当前文件夹下面，生成一个temp.bmp图片文件，是黑色背景的，空的图片。

3.发现其下有那个测试文件：

fnord.tif

所以去试试：

    #testCaptchaPic = "test_captcha_pic/captcha.gif";
    testCaptchaPic = "pytesser_v0.0.1/fnord.tif";
    image = Image.open(testCaptchaPic); # Open image object using PIL
    print image_to_string(image); # Run tesseract.exe on image
    print image_file_to_string(testCaptchaPic);

看看结果如何，结果却是和上面错误一样。

4.才注意到，人家说是此PyTesser，用到了：

Tesseract OCR engine

但是很明显，此处没有安装。

所以先去

http://code.google.com/p/tesseract-ocr/downloads/list

下载得到，tesseract-ocr-setup-3.02.02.exe

双击安装，完毕后，却又发现，说是此

tesseract-ocr

又依赖于Leptonica：

所以，貌似又需要去安装Leptonica。

5.找到Leptonica.com的下面页面：

http://leptonica.com/download.html

从中找到了googlecode：

http://code.google.com/p/leptonica/downloads/list

下载得到vs2008-1.68.zip。

但是对于如何使用，却没完全搞懂。

是编译成dll库？还是其他方式，才能使得，tesseract能够引用到此库？

6.后来是看了说明文档：

leptonica_vs2008-1.68/vs2008/doc/quickstart.html

貌似是需要，编译为dll库，然后供tesseract使用？

貌似需要，去看看PyTesser代码，或许才能搞懂，如何调用tesseract以及tesseract如何用到此Leptonica。

后来是看了：

pytesser_v0.0.1\pytesser.py

中的：

tesseract_exe_name = 'tesseract' # Name of executable to be called at command line
scratch_image_name = "temp.bmp" # This file must be .bmp or other Tesseract-compatible format
scratch_text_name_root = "temp" # Leave out the .txt extension
cleanup_scratch_flag = True  # Temporary files cleaned up after OCR operation

def call_tesseract(input_filename, output_filename):
	"""Calls external tesseract.exe on input file (restrictions on types),
	outputting output_filename+'txt'"""
	args = [tesseract_exe_name, input_filename, output_filename]
	proc = subprocess.Popen(args)
	retcode = proc.wait()
	if retcode!=0:
		errors.check_for_errors()

才知道，PyTesser是调用同路径下的tesseract.exe，去执行，获得相应的结果的。

那看起来，可以自己此处通过手动执行此tesseract.exe，试试效果。

7.结果却没有任何输出：

也没看到有outputfile.bmp文件生成。

【总结】

够麻烦的。

算了，暂时不弄了。

等以后有兴趣，有空，再说。

转载请注明：在路上 » 【记录】尝试使用PyTesser解析网易163博客中的验证码