想要自动爬取网页内容，但是有些网站需要输入验证码，而验证码总是随机的，为了解决这个问题，首先需要自动获取验证码，然后将其下载下来，最后识别其中文字内容。
前面两步骤还是比较简单的，最后识别文字内容就比较麻烦了，查了很多资料，要用到ocr 文字识别技术，OCR 全称 Optical Character Recognition，是光学字符识别的意思，可以对图像上的文字进行识别。
第一种方案：pytesseract结合pillow库识别。 试了一下，对于非常简单的字符到可以识别，稍微有些干扰就不行了，准确度非常低。
第二种方案：利用opencv结合机器学习，先下载很多的验证码图片，然后将每个验证码中的字符切割出来，接着进行特征标注，训练数据等，效果看了一下，训练的好的准确率能到80左右，差的有些一半都不到，试了一下，效果不是很好，放弃了；还有些说用深度学习的方法，这个自己不是很懂，直接放弃了。
第三种方案：直接使用大公司开发好的OCR接口，试了一下百度的，一般文字清晰，准确率还是很高的，古诗，车牌啥的都没问题，只需要将数据上传到接口，返回json结构数据，使用还是非常简单的。
下面是记录的结果：
安装安装 tesseract ，pytesseract和pillow库。
tesseract并不是python中的，需要安装exe文件。我下载的是最后一个
记住自己安装的位置，我是安装在D盘。
安装成功后，启动命令行，查看版本，发现不行，原来是没有添加到path里面。
打开高级系统设置，添加进环境变量。
重新试一下，成功。
稍微带一点干扰就不准确了。
下面这种非常整齐的，没有背景干扰的还不错。
下面这种就更差了。
之前只是尝试过自然语言的机器学习，这种图片的并没有试过。首先需要自己有很多的验证码数据图片。
右键查看源代码，并没有找到图片链接。
不能直接找到链接的，肯定就是js动态获取的，所以就查看网络里面，找到了url链接。