除了常见的IP限制，爬虫还会经常遇到验证码限制，对于IP限制，还可以利用代理IP切换IP，对于验证码，python爬虫又是怎么处理的呢？

验证码比较多样，通常的是图片的验证码，这些验证码不仅模糊还是重叠，难倒不少人，别说爬虫了。

其实现在已经有图片识别文字软件，可以通过软件把图片中的文字转为文本，但是乱码可不少，这技术能应用在python爬虫中么？

对于python爬虫验证码处理，机器视觉的一个分支：文字识别，介绍如何用一些Python库来识别和使用在线图片中的文字。将图像翻译成文字一般被称为光学文字识别(OpticalCharacterRecognition,OCR)。可以实现OCR的底层库并不多，目前很多库都是使用共同的几个底层OCR库，或者是在上面进行定制。在这里我们只重点介绍：Tesseract

Tesseract是一个OCR库，是目前公认最优秀、最精确的开源OCR系统，除了极高的精确度，也具有很高的灵活性。它可以通过训练识别出任何字体，也可以识别出任何Unicode字符。

一、安装Tesseract

Windows系统：下载可执行安装文件进行安装。

Linux系统：可以通过apt-get安装:$sudoapt-gettesseract-ocr

Tesseract是一个Python的命令行工具，不是通过import语句导入的库。安装之后,要用tesseract命令在Python的外面运行，但我们可以通过pip安装支持Python版本的Tesseract库：

二、从网站图片中抓取文字

下面的程序就是从网站图片中抓取文字：首先打开阅读器，收集图片的URL链接，然后下载图片，识别图片，最后打印每个图片的文字。因为这个程序很复杂，利用了前面几章的多个程序片段，所以增加了一些注释以让每段代码的目的更加清晰：

上文详细介绍了python爬虫验证码处理，可以根据网站的反爬虫机制使用，除了IP限制、验证码限制，还有其他有些验证。在使用爬虫的过程中，需要注意控制访问速度，伪装好数据，否则容易被检测到，从而被限制爬虫数据。