目前，很多網站都採取了各種各樣的反爬措施，其中之一便是使用驗證碼.隨著技術的發展，驗證碼卻來越複雜，花樣越來越多，爬蟲的工作也變得愈加複雜，本節將介紹圖形驗證碼的識別.
圖形驗證碼
我們首先將識別最簡單的驗證碼，圖形驗證碼.
目標
我們將以知網為例講解使用 OCR 技術識別圖形驗證碼.
準備
需要安裝 tesseract 和 tesserocr 庫，請看第一節和第二節內容.
獲取驗證碼
我們將從這裡獲取驗證碼：
然後點擊右鍵，將驗證碼圖片保存下來.
測試
我們新建一個文件 rec_simple_vcode.py 文件，然後將上面保存的圖片和此文件放在同一個路徑下：
我們創建了一個 Image 對象，調用了 tesserocr 庫的 image_to_text()方法，傳入該 image 即可識別.
另外 tesserocr 還可以使用 file_to_text()方法直接將圖片轉換為字符串.
處理
我們換一個驗證碼，將其命名為 code2.png.
重新用下面的代碼識別：
發現其輸出結果為：
識別錯誤，識別出來的字符串和實際結果有偏差，這是因為驗證碼內多餘的線條幹擾了圖片的識別.對於這種情況，我們需要進行額外的處理，比如灰度化、二值化等。我們可以使用 Image.convert('L)將圖片灰度化。
二值化：
還可以設置二值化的閾值.默認閾值為 127,我們先將圖片灰度化，然後指定閾值二值化.
看看這麼處理後的結果：
我們處理過後的圖片黑白分明，裡面幹擾的線條已經全部被除去，這是重新識別驗證碼：
識別結果如下：