在写爬虫的时候总是遇到一些以图片的形式展示的信息,因此要怎么解析图片上的信息呢?在Google上查了一下,需要安装pytesseract和pillow(我用的python3.7)和Tesseract-OCR
1. 安装pytesseract
pip insatll pytesseract
2. 安装pillow
pip install pillow
3. 安装Tesseract-OCR(https://github.com/tesseract-ocr/tesseract)
4. 安装完后将Tesseract-OCR的安装路径添加到环境变量中PATH和Path中都要添加
例如:
5. 在python的安装路径下的修改安装的pytesseract库里面的pytesseract.py,将默认的改成Tesseract-OCR的安装路径
7. 配置完了开始撸代码吧
运行后发现会报错
用Google查了一下,发现是因为验证码的图片模式为RGBA,是无法分配调色盘给透明通道的。更换为RGB模式则不会出现该问题。
对原先的代码修改一下,变为:
修改后就能正常使用了。