使用tesseract-ocr破解验证码详解

首先下载tesseract-ocr安装包，

下载完成后双击tesseract-ocr-setup-3.01-1.exe安装程序进行安装，安装过程中注意不要安装到默认的安装目录C:\Program Files下，请安装到D盘或其他盘符，切记安装路径中最好不要出现空格和中文。

然后一路next即可。安装完成后打开dos命令行窗口，输入tesseract，然后回车

如果你看到如下输入，就表明tesseract-ocr安装成功咯！

然后去网上随便下载一张验证码图片，你们图方便就使用我贴的这张来测试吧验证码示例图：

然后命令行输入

tesseract 1.jpg result -l eng

Tesseract后面1.jpg从当前目录下的1.jpg里提取验证码字符

result表示将提取出来的结果存放到当前目录的result.txt文件中，

-l（小写字母L）: eng表示英文字符集，在eng英文字符集状态下，只能提取英文字符，不能识别中文，如果需要识别中文，那么就需要把下载下来的chi_sim_traineddata压缩包解压，将得到的一个chi_sim.traineddata中文训练文件copy到tesseract-ocr安装目录下的tessdata 文件夹里：

刚才输入tesseract 1.jpg result -l eng验证码破解命令后，破解后得到的验证码字符结果就保存在当前目录的result.txt中，当前目录就是C盘，所以你会在C盘根目录下看到自动生成的一个result.txt,用文本编辑器打开它，你会看到如下内容:

下面来测试一下提取中文汉字，随便找一段中文内容截图，并另存为jpg图片；

假定图片取名为2.jpg,然后命令行输入：

tesseract 2.jpg result –l chi_sim

Chi_sim表示使用中文字符集，chi是china缩写，sim是simple的缩写，连一起就表示简体中文字符集，你懂的。

下面是我截的一段中文文字，图片文字太小看不清楚，请用鼠标滚轮放大。

破解后得到的内容：

匹配准确率我就不去统计了，我觉得还凑合吧！

在命令行敲命令是不是觉得很不爽，能不能用Java代码来调用dos命令来实现验证码破解呢，答案当然是可以的，下面贴一些我测试调用写的代码：

如果不愿意自己照图一个一个敲想要源码的请联系我。