如圖，我們在使用python自動化的時候經常會遇到很多各式各樣的驗證碼。這個是一個數字加法的驗證碼。
幹擾項裡包含完整的數字、字母資訊，普通的OCR識别可能不是很準确。
但是不管怎麼樣，咱們先把必要的環境搭建起來，試一下Tesseract的識别結果吧。
1、安裝Tesseract：
首先需要下載下傳Tesseract的安裝包 官方網址：
https://digi.bib.uni-mannheim.de/tesseract/，網上的教程很多推薦安裝名稱裡不帶dev的正式版，據說更穩定
配置Tesseract：
安裝完畢之後需要配置一下環境變量，分為兩步：
1、在path裡加入安裝路徑，及安裝路徑内的tessdata檔案夾路徑。
2、建立系統變量{TESSDATA_PREFIX：E:\Program Files (x86)\Tesseract-OCR\tessdata} 這裡變量名是固定的TESSDATA_PREFIX，值是剛剛提到的安裝路徑内下一級tessdata檔案夾的完整路徑
然後指令行裡 安裝pytesseract：
完成以上步驟之後，請重新啟動電腦。
圖檔無法處理識别：
直接調用ocr識别出結果的話，隻需要3行代碼：
但是對于這個驗證碼的效果不是非常好，比如：
要麼是沒有結果，要麼就是一堆亂七八糟的東西。
這樣肯定是用不了的
那麼隻能先處理一下圖檔了
圖檔處理識别：
我下載下傳了20張這個網站的二維碼，發現了以下規律：
1、驗證碼内容一定包含“ = 2位數字+2位數字”的
2、驗證碼内容的顔色是随機的。
3、驗證碼内容的位置應該是固定的（20張圖檔的加号都在同一位置）
4、驗證碼圖檔的幹擾内容包含字母、數字、符号
5、驗證碼圖檔的幹擾内容顔色沒有跟主要内容一模一樣，但是每張圖的幹擾項一定包含主要内容顔色相近的部分。
可以看到，根據字型的不同，顯示的時候，主幹是棕色的，但是構成這個字的邊緣顔色是稍微淡一些的。不過20張圖裡都沒有發現有幹擾項的顔色跟主要内容顔色一模一樣。
是以我的想法是因為存在主幹的近似色，是以主要的濾波手段可能導緻把圖檔變得更難處理的可能性，是以不如直接擷取主幹顔色，其他像素不是主幹顔色的全部以白色替代，删除幹擾項之後再進行識别。
主幹顔色可以使用固定的加号的正中間那一點的坐标擷取。（80，23）（80，24）
Python代碼如下：
檔案如下：
結語：
準确率我大概看了一下，應該是100%的。以上算是成功破解了對方網站的驗證碼。
驗證碼的識别整體思路應該就是這樣子了，當然我舉得例子是比較簡單的驗證碼。還有各種麻煩的驗證碼，未來可能需要用到截取、卷積、濾波、清洗等等方法，需要根據實際的情況靈活地使用，但是整體的思路就是：
找到驗證碼規律，根據規律清洗幹擾噪點，然後識别。希望可以啟發到大家。
最後的最後，現在已經可以擷取驗證碼的字元串了，計算結果非常簡單我就不做了。有興趣的可以試試，我會把所有圖檔、源代碼打包，大家可以下載下傳試一下。
Tesseract安裝的時候，系統變量哪裡2步都不能少，少一個程式執行就會報錯，切記