Perl使用Tesseract-OCR实现验证码识别教程

 更新时间:2020年6月29日 13:42  点击:1665

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);

[!--infotagslink--]

相关文章

  • Perl模块编写说明

    这两天在用Perl编写一些监控脚本,其实写代码也是一件挺有意思的事情,就是挺废时间的。而且,由于语法不太熟,基本想到一个东西都要先Google一下看怎么实现。...2020-06-29
  • Perl与JS的对比分析(数组、哈希)

    下面小编就为大家带来一篇Perl与JS的对比分析(数组、哈希)。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧...2020-06-29
  • perl 模式匹配参数详解

    一、简介 模式指在字符串中寻找的特定序列的字符,由反斜线包含:/def/即模式def。其用法如结合函数split将字符串用某模式分成多个单词:@array = split(/ /, $line);二、匹配...2020-06-29
  • Perl localtime时间函数的应用介绍

    Perl时间函数localtime的使用介绍,这里简单的介绍下,更多请查看官方介绍...2020-06-29
  • Perl中的特殊内置变量详细介绍

    这篇文章主要介绍了Perl中的特殊内置变量详细介绍,需要的朋友可以参考下...2020-06-29
  • perl 列表和数组变量详解

    一、列表 列表是包含在括号里的一序列的值,可以为任何数值,也可为空,如:(1, 5.3 , "hello" , 2),空列表:()。 注:只含有一个数值的列表(如:(43.2) )与该数值本身(即:43.2 )是不同...2020-06-29
  • 讲Perl中的本地时间与UNIX时间戳间相互转换的方法

    这篇文章主要介绍了讲Perl中的本地时间与UNIX时间戳间相互转换的方法,主要用到了Perl中的Date::Parse模块,需要的朋友可以参考下...2020-06-29
  • Perl 批量添加Copyright版权信息

    对所有输入文件,如果没有版权信息则加上版权信息,否则什么都不做,并对原文件以.bak结尾备份,需要的朋友可以参考下...2020-06-29
  • Perl学习笔记之CPAN使用介绍

    这篇文章主要介绍了Perl学习笔记之CPAN使用介绍,本文讲解了什么是CPAN、CPAN的目录作用介绍、CPAN安装Perl Module的两种方法等内容,需要的朋友可以参考下...2020-06-29
  • Perl中使用MIME::Lite发送邮件实例

    这篇文章主要介绍了Perl中使用MIME::Lite发送邮件实例,本文介绍了使用sendmail方式发送、发送HTML格式邮件、smtp方式发送邮件等内容,需要的朋友可以参考下...2020-06-29
  • Perl AnyEvent中的watcher实例

    这篇文章主要介绍了Perl AnyEvent中的watcher实例,关于AnyEvent请参阅的更多介绍请参阅文中的相关链接,需要的朋友可以参考下...2020-06-29
  • perl获取日期与时间的实例代码

    perl获取日期与时间的例子,供大家学习参考...2020-06-29
  • Perl中的列表和数组学习笔记

    这篇文章主要介绍了Perl中的列表和数组学习笔记,本文讲解了列表、数组--列表的存贮、数组的存取、字符串中的方括号和变量替换、列表范围、数组的输出等内容,需要的朋友可以参考下...2020-06-29
  • 使用perl实现拆分数据表(mysql)并迁移数据实例

    这篇文章主要介绍了使用perl实现拆分数据表(mysql)并迁移数据实例,本文提供了3个脚本,分别用于拆分数据表、迁移数据、插入测试数据,需要的朋友可以参考下...2020-06-29
  • perl后门,正向和反向!实例代码

    写过很多关于Perl编程,今天继续分享一篇利用perl后门实现正向和反向连接的实例代码,需要的朋友可以参考下其中的内容详情...2020-06-29
  • 7个perl数组高级操作技巧分享

    这篇文章主要介绍了7个perl数组高级操作技巧,本文讲解了数组去重、数组合并、查找最大值、列表归并等内容,需要的朋友可以参考下...2020-06-29
  • C#实现的简单验证码识别实例

    这篇文章主要介绍了C#实现的简单验证码识别实例,只适应一些简单的验证码,需要的朋友可以参考下...2020-06-25
  • perl uc,lc,ucfirst,lcfirst大小写转换函数

    这篇文章主要介绍了perl 大小写字母转换函数,需要的朋友可以参考下...2020-06-29
  • Perl内置特殊变量总结

    这篇文章主要介绍了Perl内置特殊变量总结,需要的朋友可以参考下...2020-06-29
  • perl 文件操作总结

    perl 文件操作总结,需要的朋友可以参考下...2020-06-29