之前已經(jīng)有了圖片識別，使用起來還行，基本能滿足需求。

但又遇到了諸如登陸驗證碼，需要指定識別某些文字需求。

研究一下文字識別庫pytesseract。

一、安裝

超級簡單

sudo pip install pytesseract

直接就好了。

python3如下

sudo pip3 install pytesseract

有依賴PIL，如果缺環(huán)境可以裝一下PILLOW

pip install PILLOW

附：OCR

OCR技術是光學字符識別的縮寫(Optical Character Recognition)，是通過掃描等光學輸入方式將各種票據(jù)、報刊、書籍、文稿及其它印刷品的文字轉化為圖像信息，再利用文字識別技術將圖像信息轉化為可以使用的計算機輸入技術。

OCR技術是光學字符識別的縮寫(Optical Character Recognition)，是通過掃描等光學輸入方式將各種票據(jù)、報刊、書籍、文稿及其它印刷品的文字轉化為圖像信息，再利用文字識別技術將圖像信息轉化為可以使用的計算機輸入技術。可應用于銀行票據(jù)、大量文字資料、檔案卷宗、文案的錄入和處理領域。適合于銀行、稅務等行業(yè)大量票據(jù)表格的自動掃描識別及長期存儲。相對一般文本，通常以最終識別率、識別速度、版面理解正確率及版面還原滿意度4個方面作為OCR技術的評測依據(jù)；而相對于表格及票據(jù)， 通常以識別率或整張通過率及識別速度為測定OCR技術的實用標準。

采用OCR識別技術,可以將其應用于銀行票據(jù)光盤縮微系統(tǒng)，可以自動提取票據(jù)要素，可減輕操作員的工作量，減少重復勞動，尤其是在與銀行事后且監(jiān)督系統(tǒng)相結合后，可以替代原先的操作人員完成事后監(jiān)督工作。由計算機自動識別票據(jù)上的日期、帳號、金額等要素，通過銀行事后監(jiān)督系統(tǒng)與業(yè)務系統(tǒng)中的數(shù)據(jù)進行比較，完成傳統(tǒng)的事后監(jiān)督操作；配有印章驗證系統(tǒng)后，自動將憑證圖像中的印章與系統(tǒng)中預留的印鑒進行比較，完成印章的真?zhèn)巫R別。
OCR識別技術不僅具有可以自動判斷、拆分、 識別和還原各種通用型印刷體表格，在表格理解上做出了令人滿意的實用結果，能夠自動分析文稿的版面布局，自動分欄、并判斷出標題、橫欄、圖像、表格等相應屬性，并判定識別順序，能將識別結果還原成與掃描文稿的版面布局一致的新文本。表格自動錄入技術，可自動識別特定表格的印刷或打印漢字、字母、數(shù)字，可識別手寫體漢字、手寫體字母、數(shù)字及多種手寫符號，并按表格格式輸出。提高了表格錄入效率，可節(jié)省大量人力。同時支持將表格識別直接還原成PTF、PDF、HTML等格式文檔；并可以對圖像嵌入橫排文本和豎排文本、表格文本進行自動排版面分析。
　　利用目前的高新技術-OCR，直接從憑證影像中提取金額、帳號等重要數(shù)據(jù)，代替人的手工錄入，與條碼識別/流水識別緊密結合，實現(xiàn)建立事后副本帳、完成事后監(jiān)督的工作。OCR處理一般使用性能較好的PC機，OCR處理程序一經(jīng)啟動會自動掃描數(shù)據(jù)庫中的憑證影像，發(fā)現(xiàn)有需OCR處理而未處理的，提取到本地進行處理。 　
　　OCR手寫體、印刷體識別技術，能識別不同人寫的千差萬別的手寫體漢字和數(shù)字，應用于本系統(tǒng)，識別憑證影像中儲戶填寫的信息，如大寫金額、小寫金額、帳號、存期、日期、證件號等，可以代替手工錄入。同時被識別得出的金額還要與流水識別所得的金額進行核對，核對成功，則OCR識別成功。這樣處理是為了避免誤判。 　
　　經(jīng)過對銀行產(chǎn)生的實際憑證進行的大量測試，在實際開發(fā)過程中，根據(jù)銀行的實際需求，OCR技術在票據(jù)和表格識別能力和手寫體自動識別能力上不斷提升，目前處理速度可達到每分鐘60～80張票據(jù)，存折識別率已經(jīng)達到了85%以上，存單、憑條識別率達到90%以上，而85%以上的識別率就能減少80%以上的數(shù)據(jù)錄入員。
在檔案領域OCR技術使檔案掃描成果達到了全文可識別，將檔案數(shù)字化發(fā)展提升到了一個新的階段，是原本掃描出來的圖片變得更容易進行檢索，為數(shù)字檔案館的數(shù)據(jù)查詢提供了技術支持，是檔案數(shù)字化發(fā)展中必不可少的一環(huán)。