验证码识别是爬虫自动化的常见需求，在很多场景下也很实用——批量识别发票、处理验证码、提取图片中的文字。

一、安装

pip install pytesseract Pillow
# 还需要安装 Tesseract-OCR 引擎
# Windows 下载地址：https://github.com/UB-Mannheim/tesseract/wiki

二、基础图片处理

1. 灰度化与二值化

from PIL import Image, ImageFilter, ImageEnhance

def preprocess_image(image_path):
    """预处理验证码图片"""
    img = Image.open(image_path)

    # 灰度化
    img = img.convert('L')

    # 增强对比度
    enhancer = ImageEnhance.Contrast(img)
    img = enhancer.enhance(2.0)

    # 二值化（阈值 127）
    img = img.point(lambda x: 255 if x > 127 else 0)

    # 去噪
    img = img.filter(ImageFilter.MedianFilter(size=3))

    return img

2. 简单验证码识别

import pytesseract

def recognize_captcha(image_path):
    img = preprocess_image(image_path)
    text = pytesseract.image_to_string(img, config='--psm 7')
    return text.strip()

💡 觉得有用的话，点赞 + 关注【张老师技术栈】吧！每周更新 Java/Python/爬虫 实战干货，不让你白来。