背景

在处理效能提升的某个项目时，遇到一个验证码的问题，开始使用的是需要 pillow 和 pytesseract 这两个库，但是识别率不高，有时还会识别不出来。又不想单独处理躁点相关的问题，于是使用到了其他的OCR库。

pytesseract经常会遇到如下图所示的效果

使用ddddocr

要求python >= 3.8，实际我用的是3.11

安装 pip install ddddocr

说明：使用pip install ddddocr 安装的版本可能会很低，我安装的时候是1.0.6，ddddocr.DdddOcr(show_ad=False) 会报错，需要更新下版本，可使用 pip install ddddocr -i pypi.tuna.tsinghua.edu.cn/simple/

import ddddocr
def get_captcha_url():
    url = "url/api/base/captcha"
    payload = {}
    headers = {}
    response = requests.request("POST", url, headers=headers, data=payload)
    # 请求验证码链接，处理captchaId，用于login
    logger.info("请求验证码链接返回的数据--->"+str(response.content))
    captchaId = response.json()["data"]["captchaId"]
    # print(captchaId)
    # 数据使用split 进行切割
    picdata = response.json()["data"]["picPath"].split(",")[1]
    # picdata需要先进行base64解码
    decoded_data = base64.b64decode(picdata)
    # 将解析出来的数据，写入图片
    with open(r'D:\code\auto_user\common\saveImg\captcha.png', 'wb') as f:
        f.write(decoded_data)
    ocr = ddddocr.DdddOcr(show_ad=False)
    with open(r'D:\code\auto_user\common\saveImg\captcha.png', 'rb') as f:
        img_bytes = f.read()
    picPath = ocr.classification(img_bytes)
    # print(res)
    if picPath is None:
        # print("captcha数据为空")
        logger.info("captcha数据为空")

    # print("文字验证码:", picPath)
    logger.info("文字验证码:"+picPath)
    return picPath, captchaId

效果

验证码问题处理

背景

使用ddddocr