背景
常見的網站反爬政策中，最常見的有:限制IP通路頻率，識别請求身份資訊，JavaScript動态渲染，以及添加驗證碼。
其中驗證碼的反爬對于爬蟲來說是一個不小的阻礙，小白如我，大多都會一臉蒙蔽。今天主要介紹的是一個能夠幫助我們突破驗證碼反爬的py第三方庫tesserocr。
按着崔大大的書裝第三方庫，着實友善，不過大佬的思維對于小白來說有時候跟不上，是以會導緻我們在安裝的過程中出現一些小BUG，無法究其緣由。希望這篇筆記能對看到的朋友有一些幫助，少走一點彎路，也是友善日後忘記之時能夠順利回憶起安裝過程。
安裝環境
windows10，python3.6.4
介紹
OCR,即Optical Character Recognition,光學字元識别，是指通過掃描字元，然後通過其形狀将其翻譯成電子文本的過程。對于圖形驗證碼來說，它們都是一些不規則的字元，這些字元串确實是由字元稍加扭曲變換得到的内容。
tesserocr 是python的一個OCR識别庫，但其實是對tesserocr做的一層Python API的封裝，是以它的核心是tesseract.是以，在安裝tesserocr之前，我們需要先安裝tesseract。
tesserocr的安裝
https://digi.bib.uni-mannheim.de/tesseract/ tesseract安裝連結
檔案名中帶有dev的為開發版本，不帶dev的為穩定版本，可以選擇下載下傳不帶dev的版本。我下載下傳的是: tesseract-ocr-setup-3.05.01.exe。有興趣的朋友可以試試dev版本的。發現差別的話，麻煩告訴一下。
下載下傳好的程式如下，輕按兩下安裝。一直next就行。
這裡不用管直接下一步。
注意這裡，紅線的地方是選擇安裝OCR識别支援的語言包，全選的話有1.3GB的大小，影響下載下傳速度，正常的學習測試的話，建議不要全選，選擇自己需要的語言包安裝即可。例如: chinese,中文簡體和繁體，以及數學運算。除非是上線的項目必須全選。
安裝好tesseract以後，安裝tesserocr， pip3 install tesserocr pillow
意料之中會報錯:
我們還需要安裝一個tesserocr的whl檔案。
https://github.com/simonflueckiger/tesserocr-windows_build/releases whl檔案下載下傳連結
好多人用的都是 tesserocr-2.2.2-cp36-cp36m-win_amd64 .whl,我用的是 tesserocr-2.3.1-cp36-cp36m-win_amd64.whl。具體看個人配置，這個whl檔案要對應電腦64位以及python的3.6版本。
将下載下傳好的whl 檔案放入項目檔案夾中，一般我都是直接拖進去的，友善安裝。pip3 install tesserocr-2.3.1-cp36-cp36m-win_amd64.whl。
如果安裝的版本跟自己的python不相容就會報下面的錯誤，重新下一個相容的版本即可。
tesseract安裝完成以後開始正式安裝tesserocr了，pip3 install tesserocr pillow
出現如下資訊，表示tesserocr安裝完成了。
測試OCR驗證碼識别
import tesserocr
from PIL import Image
image = Image.open('demo2/code.jpg')
result = tesserocr.image_to_text(image)
print(result)
加入代碼測試，運作代碼。又報錯了:
具體的意思是沒有找到對應的tesserocr的環境。
有兩種方法解決:
1.配置對應的環境變量，比較麻煩，懶得去試了。
https://blog.csdn.net/u014179267/article/details/80908790 想試試配置環境變量的朋友，可以去看看這篇部落格。
2.報錯的意思是沒有找到對應的檔案夾，是以我們需要給程式一個合理的運作檔案。
将剛剛下載下傳好的tesserocr檔案夾打開，找到tessdata目錄
複制一份tessdata放入你的python執行環境中去，
這裡的demo1就是項目的虛拟環境目錄。
試着運作一下代碼，列印出了對應的驗證碼資訊。
這裡需要注意的是: code.jpg是擷取的驗證碼圖檔檔案，這種驗證碼圖檔找起來也不太麻煩。注意open打開檔案的路徑是否正确。
http://my.cnki.net/elibregister/CheckCode.aspx 一個驗證碼圖檔的連結。
到了這裡，對于突破驗證碼我們已經邁出了一小步了，這是我們的一小步，也是爬蟲的一大步。後會有期了O(∩_∩)O哈哈~