4、Tesseract-OCR 文字识别

1. 安装 Tesseract

OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

进入下载页面，可以看到有各种.exe文件的下载列表，这里可以选择下载最新版本。

其中文件名中带有dev的为开发版本，不带dev的为稳定版本，可以选择下载不带dev的版本，例如可以选择下载tesseract-ocr-setup-3.05.02.exe。

下载完成后双击，此时会出现如下图所示的页面。

此时可以勾选Additional language data(download)选项来安装OCR识别支持的语言包，这样OCR便可以识别多国语言。然后一路点击Next按钮即可。

2、配置环境变量

为了在全局使用方便，比如安装路径为 “C:\Program Files\Tesseract-OCR” ，将该路径添加到环境变量的path中

配置完成后在命令行输入tesseract -v，如果出现如下图所示，说明环境变量配置成功