本练习涉及：css语法、

IO、pytesseract、pillow和parsel库

目录

第一步

 第二步

第一部分的源代码

第二部分  图片验证码

第二部分源代码

第一部分

练习网址：http://www.porters.vip/confusion/recruit.html

如图：

第一步

使用parsel库的css选择器，获取图片的网址

parsel是一个强大的数据解析库

里面有css，xpath以及re

常用的css语法

 第二步

请求、处理图片，识别成文字

需要用到pillow（原PIL库）和pytesseract库

安装方式： pip install pytesseract，pillow

注意！！！

安装是pillow，调用是import PIL

找不到tesseract语言包的下面拿：

 链接: https://pan.baidu.com/s/1B00tHLndwil7-gGWonKXhQ?pwd=ydii 提取码: ydii 

用IO库的BytesIO方法读取图片二进制数据

配合PIL.Image方法打开图片

这样操作可以不用将图片保存本地，直接在内存中处理

最后使用pytesseract.image_to_string方法进行文字识别

输出结果

第一部分的源代码

第二部分  图片验证码

中国知网：http://my.cnki.net/Register/

如图，先提取验证码的网址，请求网址，

刷新几次发现，每次请求的验证码都不同

通过PIL处理图片，先把图片黑白色处理（消除彩色），再进行二值化处理（消除干扰线）

效果

补充一个计算型验证码：http://www.porters.vip/captcha/mathes.html

多一步，正则re提取

效果

第二部分源代码

太长了，本文章进阶的下半部分

https://blog.csdn.net/qq_59970317/article/details/122421608

tesseract是开源免费的库，识别率有限，

不过支持图片训练

百度和腾讯的OCR识别接口效果很好

点个赞呗<(￣︶￣)>