除了常見的IP限制，爬蟲還會經常遇到驗證碼限制，對于IP限制，還可以利用代理IP切換IP，對于驗證碼，python爬蟲又是怎么處理的呢？

驗證碼比較多樣，通常的是圖片的驗證碼，這些驗證碼不僅模糊還是重疊，難倒不少人，別說爬蟲了。

其實現在已經有圖片識別文字軟件，可以通過軟件把圖片中的文字轉為文本，但是亂碼可不少，這技術能應用在python爬蟲中么？

對于python爬蟲驗證碼處理，機器視覺的一個分支：文字識別，介紹如何用一些Python庫來識別和使用在線圖片中的文字。將圖像翻譯成文字一般被稱為光學文字識別(OpticalCharacterRecognition,OCR)?？梢詫崿FOCR的底層庫并不多，目前很多庫都是使用共同的幾個底層OCR庫，或者是在上面進行定制。在這里我們只重點介紹：Tesseract

Tesseract是一個OCR庫，是目前公認最優秀、最精確的開源OCR系統，除了極高的精確度，也具有很高的靈活性。它可以通過訓練識別出任何字體，也可以識別出任何Unicode字符。

一、安裝Tesseract

Windows系統：下載可執行安裝文件進行安裝。

Linux系統：可以通過apt-get安裝:$sudoapt-gettesseract-ocr

Tesseract是一個Python的命令行工具，不是通過import語句導入的庫。安裝之后,要用tesseract命令在Python的外面運行，但我們可以通過pip安裝支持Python版本的Tesseract庫：

二、從網站圖片中抓取文字

下面的程序就是從網站圖片中抓取文字：首先打開閱讀器，收集圖片的URL鏈接，然后下載圖片，識別圖片，最后打印每個圖片的文字。因為這個程序很復雜，利用了前面幾章的多個程序片段，所以增加了一些注釋以讓每段代碼的目的更加清晰：

上文詳細介紹了python爬蟲驗證碼處理，可以根據網站的反爬蟲機制使用，除了IP限制、驗證碼限制，還有其他有些驗證。在使用爬蟲的過程中，需要注意控制訪問速度，偽裝好數據，否則容易被檢測到，從而被限制爬蟲數據。