在通過(guò)python3.5爬取大眾點(diǎn)評(píng)商戶(hù)數(shù)據(jù)和用戶(hù)數(shù)據(jù)的時(shí)候荡含，由于請(qǐng)求頻繁了罪，中間會(huì)出現(xiàn)高頻次的驗(yàn)證碼的輸入镶殷，使用了tesseract蜜托，然后就是各種問(wèn)題弟疆，對(duì)于在使用python3.5 的tesseract-ocr識(shí)別時(shí)候常見(jiàn)的兩個(gè)錯(cuò)誤總結(jié)一下，這兩個(gè)問(wèn)題解決的我心力憔悴啊盗冷。后來(lái)兄弟520號(hào)結(jié)婚我就回家了怠苔，回到公司的第一天然后解決好了，要寫(xiě)點(diǎn)把這個(gè)記錄下
1.FileNotFoundError:[WinError 2] 系統(tǒng)找不到指定的文件The system cannot find the file specified：
解決方案：
方案1.看了很多網(wǎng)上的貼吧仪糖，將tesseract.exe添加到系統(tǒng)的環(huán)境變量path中
;C:\Program Files (x86)\Tesseract-OCR; 分號(hào)不能少柑司，添加環(huán)境變量之后說(shuō)是重啟cmd或者pycharm，這個(gè)對(duì)我的是沒(méi)有任何效果锅劝。折騰的我都重啟電腦了攒驰，還是不行，然后采取其他方案故爵。
方案2: 修改pytesseract.py文件玻粪，指定tesseract.exe安裝路徑
打開(kāi)pytesseract的安裝目錄（這是我的目錄：C:\Users\Administrator\venv\Lib\site-packages\pytesseract）找到 pytesseract.py文件
打開(kāi)這個(gè)文件，找到
# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
注釋掉原本的
#tesseract_cmd='tesseract'
新增tesseract_cmd 為tesseract.exe的安裝路徑
tesseract_cmd= 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe‘
這樣系統(tǒng)找不到指定的文件這個(gè)錯(cuò)誤就可以解決了。
這是第二個(gè)錯(cuò)誤
2.解決上面的問(wèn)題后運(yùn)行代碼又出錯(cuò)
pytesseract.pytesseract.TesseractError: (1, 'Error opening data file C:\\Program Files (x86)\\Tesseract-OCR;/eng.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'eng\' Tesseract couldn\'t load any languages! Could not initialize tesseract.')
方案1：在網(wǎng)上各種游蕩劲室，添加 TESSDATA_PREFIX的環(huán)境變量伦仍，我也添加了，還是不可以很洋，一直報(bào)上面的錯(cuò)誤
雖然沒(méi)有解決問(wèn)題充蓝，但是是個(gè)經(jīng)驗(yàn)，所以留下了喉磁。
方案2：配置中指定tessdata-dir
在代碼中添加
pytesseract.pytesseract.tesseract_cmd = 'c://Program Files (x86)//Tesseract-OCR//tesseract.exe'
tessdata_dir_config = '--tessdata-dir "c://Program Files (x86)//Tesseract-OCR//tessdata"'
然后在指定的image_to_string配置下
image_to_string(image, lang = 'eng', config=tessdata_dir_config)
這個(gè)方式非常有效
下面貼識(shí)別簡(jiǎn)單驗(yàn)證碼的代碼及結(jié)果：
需要識(shí)別的驗(yàn)證碼：
代碼：
#! -*- coding:utf-8 -*-
import pytesseract
from PILimport Image
pytesseract.pytesseract.tesseract_cmd ='c://Program Files (x86)//Tesseract-OCR//tesseract.exe'
tessdata_dir_config ='--tessdata-dir "c://Program Files (x86)//Tesseract-OCR//tessdata"'
def main():
#這個(gè)圖片路徑是自己定義的
image = Image.open('E:\pycharmWorkspace\image\yanzhengma.png')
code = pytesseract.image_to_string(image, lang ='eng', config=tessdata_dir_config)
print (code)
if __name__ =='__main__':
main()
識(shí)別結(jié)果:
由于像素的影響谓苟，這個(gè)識(shí)別還不是很精確，會(huì)慢慢優(yōu)化提高識(shí)別精度协怒，大眾點(diǎn)評(píng)是一塊難啃的骨頭啊涝焙，這篇文章到此為止，干活孕暇！
