• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    Perl使用Tesseract-OCR实现验证码识别教程

    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-OCR\tessdata 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);

    您可能感兴趣的文章:
    • 用Python识别人脸,人种等各种信息
    • Python基于Opencv来快速实现人脸识别过程详解(完整版)
    • 使用Python的OpenCV模块识别滑动验证码的缺口(推荐)
    • python批量识别图片指定区域文字内容
    • Python Opencv实现图像轮廓识别功能
    • Python3.6使用tesseract-ocr的正确方法
    • Python识别快递条形码及Tesseract-OCR使用详解
    上一篇:perl命令行参数内建数组@ARGV浅析
    下一篇:Perl批量下载Gmail附件的代码
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Perl使用Tesseract-OCR实现验证码识别教程 Perl,使用,Tesseract-OCR,实现,