ocr识别出问题

[czcxwe]

问题描述

直接fork到的代码不是直接能用的 然后修改了一下

    def depoint(self, img):
        """传入二值化后的图片进行降噪"""
        pixdata = img.load()
        w, h = img.size
        for y in range(1, h - 1):
            for x in range(1, w - 1):
                count = 0
                if pixdata[x, y - 1] > 245:  # 上
                    count = count + 1
                if pixdata[x, y + 1] > 245:  # 下
                    count = count + 1
                if pixdata[x - 1, y] > 245:  # 左
                    count = count + 1
                if pixdata[x + 1, y] > 245:  # 右
                    count = count + 1
                if pixdata[x - 1, y - 1] > 245:  # 左上
                    count = count + 1
                if pixdata[x - 1, y + 1] > 245:  # 左下
                    count = count + 1
                if pixdata[x + 1, y - 1] > 245:  # 右上
                    count = count + 1
                if pixdata[x + 1, y + 1] > 245:  # 右下
                    count = count + 1
                if count > 4:
                    pixdata[x, y] = 255
        return img

    def imge2string(self,image,threshold):
        """
        图片转字符串
        按照threshold进行降噪
        """

        image = image.convert('L')
        # 二值化
        image = image.point(lambda x: 255 if x > threshold else 0)
        #
        # 继续降噪
        image = self.depoint(image)
        # 识别//这里识别还有问题 tesserocr识别内容为空
        result = tesserocr.image_to_text(image)
        print(str(threshold)+"识别到验证码：" + str(result))
        return result

    def crack_code(self):
        '''
        自动识别验证码
        '''
        image = Image.open('./data/crack_code.jpeg')
        # 转为灰度图像

        # 设定二值化阈值
        threshold = 127
        s1 = self.imge2string(image, threshold)
        s2 = self.imge2string(image, threshold+20)
        s3 = self.imge2string(image, threshold-20)
        if s1 == s2 == s3 or s1 == s2 or s1 == s3:
            return self.send_code(str(s1))
        elif s2 == s3:
            return self.send_code(str(s2))

在result = tesserocr.image_to_text(image)这里出现了问题 无论如何识别，或者处理图像，tesserocr返回结果均为空

[czcxwe]

修改代码的部分是 ：CrackVerifyCode.py的 CrackCode 类中的成员函数

[dengwen168]

你好，我使用中遇到下面的问题，请问如何解决？ File "C:\Users\john1\Desktop\PI\cnki\CNKI-download-master\CNKI-download-master\CrackVerifyCode.py", line 34, in get_im age self.current_url = re.search(r'(.*?)#', current_url).group(1) AttributeError: 'NoneType' object has no attribute 'group'

[czcxwe]

cnki 改变了验证模式，会有二次ip验证（返回的网页就不是目标网页）。所以下载文献的代码已经失效了。

------------------ 原始邮件 ------------------ 发件人: "dengwen168"<[email protected]>; 发送时间: 2020年3月31日(星期二) 下午3:48 收件人: "CyrusRenty/CNKI-download"<[email protected]>; 抄送: "蔡治成"<[email protected]>; "Author"<[email protected]>; 主题: Re: [CyrusRenty/CNKI-download] ocr识别出问题 (#12)

你好，我使用中遇到下面的问题，请问如何解决？ File "C:\Users\john1\Desktop\PI\cnki\CNKI-download-master\CNKI-download-master\CrackVerifyCode.py", line 34, in get_im age self.current_url = re.search(r'(.*?)#', current_url).group(1) AttributeError: 'NoneType' object has no attribute 'group'

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

[dengwen168]

哦，其实我不用下载文献的，只需要采集详情页的那些关键词，摘要信息，应该还是可以用的吧？

[czcxwe]

也不可以，你得重写验证码链接的判断逻辑，以及使用云服务提供商的OCR服务对小图片进行识别（图片太小了，不友好）。

------------------ 原始邮件 ------------------ 发件人: "dengwen168"<[email protected]>; 发送时间: 2020年3月31日(星期二) 下午4:33 收件人: "CyrusRenty/CNKI-download"<[email protected]>; 抄送: "蔡治成"<[email protected]>; "Author"<[email protected]>; 主题: Re: [CyrusRenty/CNKI-download] ocr识别出问题 (#12)

哦，其实我不用下载文献的，只需要采集详情页的那些关键词，摘要信息，应该还是可以用的吧？

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

[dengwen168]

好的，谢谢，看样子得自己好好研究一下才行了。