Perl使用Tesseract-OCR实现验证码识别教程_perl教程-查字典教程网
Perl使用Tesseract-OCR实现验证码识别教程
Perl使用Tesseract-OCR实现验证码识别教程
发布时间:2016-12-28 来源:查字典编辑
摘要:一、Tesseract-OCR是什么AnOCREnginethatwasdevelopedatHPLabsbetween1985and199...

一、Tesseract-OCR 是什么

An OCR Engine that was developed at HP Labs between 1985 and 1995… and now at Google

基于Leptonica(http://leptonica.com/)图形处理库开的开源图形识别引擎。

支持Linux、Windows、Mac平台,

支持.NET、C++、Python、Java等开发语言:https://code.google.com/p/tesseract-ocr/wiki/AddOns

项目地址:https://code.google.com/p/tesseract-ocr/

二、使用方法

下载安装:https://tesseract-ocr.googlecode.com/files/tesseract-ocr-setup-3.02.02.exe

注意安装时的Path目录、数学符号、语言选项,按需选择。

执行:”tesseract yourpic.png res”

图片 yourpic.png 里面的内容会被识别后保存在 res.txt

为了更精确的识别可以去到项目地址上下载相应的各种语言的 language tessdata

例如:

简体中文 https://tesseract-ocr.googlecode.com/files/tesseract-ocr-3.02.chi_sim.tar.gz

繁体中文

下载解压后 chi_sim.traineddata 复制到 Tesseract-OCRtessdata 即可

执行:

“tesseract yourpic.png eng” 使用 默认eng语言包

“tesseract yourpic.png sim -l chi_sim” 使用 chi_sim语言包

“tesseract yourpic.png tra -l chi_tra” 使用 chi_sim语言包

选择最接近真实数据的,方便以后修正

三、进阶使用 Training

为数不多的training tesseract-ocr中文文档

http://yy-programer.blogspot.tw/2012/08/training-tesseract-ocr-301.html

对于高精度需求的需要研究一下了,日常民用级别,默认识别加后期修正即可。

四、应用实例之吸附代理

针对 http://www.proxyfire.net/ 几个代理列表页的代理吸附

话不多说直接上代码,

pf.bat

复制代码 代码如下:

pf.pl http://www.proxyfire.net/index.php?pageid=eliteproxylist elite.txt

pf.pl http://www.proxyfire.net/index.php?pageid=anonymousproxylist anony.txt

pf.pl http://www.proxyfire.net/index.php?pageid=transparentproxylist trans.txt

pf.pl http://www.proxyfire.net/index.php?pageid=socks4proxylist s4.txt

pf.pl http://www.proxyfire.net/index.php?pageid=socks5proxylist s5.txt

type *.txt > all.tmp

del *.txt /s/q

ren all.tmp all.txt

@pause

pf.pl

复制代码 代码如下:

use strict;

our $url = $ARGV[0];

our $file = $ARGV[1];

my $res = undef;

my @tmp = undef;

my @pxy = undef;

`wget $url -q -O ___html`;

open FH, "<___html";

@tmp = ;

close FH;

$res = join('',@tmp);

undef(@tmp);

`del ___html /s /q`;

@tmp = ( $res =~ /<img alt="" src="([^" border="0">]+)></td>(d+)'http://www.proxyfire.net'.$tmp[$i], 'port'=>$tmp[$i+1]};

$i = $i + 1;

}

for (my $i=0; $i < @pxy; $i++) { if( length(${$pxy[$i]}{ip})>0 )

{

`echo off & wget ${$pxy[$i]}{ip} -q -O ___png`;

`tesseract ___png ___ -l chi_tra`;

my $txt = undef;

open FH,"<___.txt";

$txt = ;

close FH;

if ( length($txt)>11 )

{

$txt =~ s/s+//g;

$txt =~ s/日/8/g;

$txt =~ s/昍/88/g;

$txt =~ s/s0/60/g;

$txt =~ s/s1/61/g;

$txt =~ s/s2/62/g;

$txt =~ s/s3/69/g;

$txt =~ s/s4/64/g;

$txt =~ s/s5/65/g;

$txt =~ s/s7/67/g;

$txt =~ s/s8/68/g;

$txt =~ s/s9/69/g;

$txt =~ s/0s/06/g;

$txt =~ s/1s/16/g;

$txt =~ s/2s/26/g;

$txt =~ s/3s/96/g;

$txt =~ s/4s/46/g;

$txt =~ s/5s/56/g;

$txt =~ s/6s/66/g;

$txt =~ s/7s/76/g;

$txt =~ s/8s/86/g;

$txt =~ s/9s/96/g;

$txt =~ s/ss/66/g;

$txt =~ s/.s/.6/g;

${$pxy[$i]}{ip} = $txt;

my $bak1 = $txt;

my $bak2 = $txt;

$bak1 =~ s/13/19/g;

$bak1 =~ s/.32./.92./g;

$bak1 =~ s/.33./.99./g;

$bak2 =~ s/19/13/g;

$bak2 =~ s/.243/.249/g;

$bak2 =~ s/203./209./g;

open FHX,">>$file";

print FHX ${$pxy[$i]}{ip}.":".${$pxy[$i]}{port}."n";

print FHX $bak1.":".${$pxy[$i]}{port}."n";

print FHX $bak2.":".${$pxy[$i]}{port}."n";

close FHX;

}

my $txt = undef;

}

}

`del ___* /s /q`;

undef($url);

undef($file);

undef($res);

undef(@tmp);

undef(@pxy);

相关阅读
推荐文章
猜你喜欢
附近的人在看
推荐阅读
拓展阅读
  • 大家都在看
  • 小编推荐
  • 猜你喜欢
  • 最新perl学习
    热门perl学习
    脚本专栏子分类