python爬虫-31-python图形验证码进阶，识别中文（二）

有些验证码是中文的，使用的时候可能发现了，并不能支持识别中文，那么我们应该如何解决呢？

1、python识别图片中的中文字符-old

先来看下默认的情况下识别中文是什么样子的呢，比如我们要识别下图：

然后我们写出如下代码：

运行结果：

可以看到并没有识别出来，是乱码；

2、安装tesseract新版本+tesseract语言包

​​python​​​通过​​tesseract​​识别图形中文乱码，是因为你安装的时候没有选择合适的语言进行安装，上一文中我们是直接默认下一步安装的，且安装版本是​​tesseract-ocr-setup-3.02.02.exe​​​，这个版本在安装的时候确实可以选择其他语言进行支持，但是你​​只能选择​​​，并​​没办法进行下载​​​。且官网也没有对应该版本的语言支持包，所以我这里重新找了一个**​​5.1.0​​**版本的程序包进行安装，这个软件包是没有问题的；

获取​​tesseract​​软件包的方式为：

微信公众号“运维家”，后台回复：​​resseract​​软件包

即可获取​​tesseract​​软件包的网盘下载地址了；

​​tesseract​​​这个软件安装的过程中，​​windows​​安装路径必须选择：

如果是​​windows​​务必选择以上路径进行安装哈；

我们可以选择语言，点击​​Additional language data(download)​​前面的符号，就会展示出来很多语言，如果识别的内容比较复杂，建议全选，将所有的语言包都下载下来，我这里为了演示，只选择了和中文有关的，也就是抬头是“Chinese”的；

然后点击下一步即可，这里我们会看到下图的安装界面，可能会比较慢，因为他会一个个下载语言包，这里我们耐心等待即可；

出现下面的界面就表示安装成功了；

​​tesseract​​​软件无法下载语言包，或者​​tesseract​​下载语言包失败，如果有这种问题，是因为啥呢？那简单了，就是因为他的语言包在国外，网络不稳定所导致的，那么我们如何解决呢，我这里准备了一份完整的语言包，直接解压覆盖你​​resseract​​​安装路径中的​​tessdata​​这个文件夹即可。

获取​​tesseract 5.1.0​​语言包的方式为：

微信公众号“运维家”，后台回复：​​tesseract​​语言包

即可获取​​tesseract​​语言包的网盘下载地址了；

然后我们需要将​​C:\Program Files (x86)\Tesseract-OCR\tessdata​​​这个路径下的内容全部拷贝到​​C:\Program Files (x86)\Tesseract-OCR​​目录下方可，不然会报错以下信息：

3、再次使用tesseract进行中文识别

先来看下他现在支持多少种语言了吧；

运行结果如下：

当使用我上面提供的语言包之后，就会发现支持的语言变成了下面这么多：

这个时候我们再次来识别文章最开始的时候的图片，来看看是否识别出来了吧。

运行结果如下：

那么我们再来识别一张字比较多的图片再试试呢，例如：

不可避免有一些错字，但是已经很少了。

至此，本文结束。相关内容每日更新。

更多内容请转至VX公众号 “运维家” ，获取最新文章。

------ “运维家”  ------

------ “运维家”  ------

------ “运维家”  ------

linux系统下，mknodlinux，linux目录写权限，大白菜能安装linux吗，linux系统创建文件的方法，领克linux系统怎么装软件，linux文本定位；

ocr识别linux，linux锚定词尾，linux系统使用记录，u盘有linux镜像文件，应届生不会Linux，linux内核64位，linux自启动管理服务；

linux计算文件夹大小，linux设备名称有哪些，linux能用的虚拟机吗，linux系统进入不了命令行，如何创建kalilinux，linux跟so文件一样吗。