Tesseract不识别png文件中的captcha,该文件包含英文字母和数字。

这里发生了一些奇怪的事情。其中任何一个都可能导致你的问题。

1. 有 -X 在你的shebang线上是个糟糕的主意。它显式地关闭警告。我建议你移除它,添加 use warnings 在你的代码中修复所有暴露的问题(我建议添加 use strict 同样,但是您需要声明所有的变量)。
2. 我建议使用 LWP::Simple 而不是炮击 GET .
3. 请不要使用regex解析HTML。而是使用真正的HTML解析器。 Web::Query 是我现在的最爱。
4. 你就跑吧 得到 同样,使用一个名为 $txt 那没有价值。那不管用!
5. $txt = 'cat ocr_result.txt' 不会像你想象的那样。你需要的是反勾号,而不是单引号。

更新: 显然,我没有访问您的用户名或密码的权限,因此我无法重建您的所有代码。但对于访问示例中的图像并从中提取文本来说,这似乎是可行的。

#!/usr/bin/perl

use strict;
use warnings;
use feature 'say';

use LWP::Simple;

my $img_url  = 'http://perltest.adavice.com/captcha/1533110309.png';
my $img_file = 'ocr_me.img';

getstore($img_url, $img_file);

my $txt = `tesseract $img_file stdout`;

say $txt;

这是您的实际错误:

system("tesseract ocr_me.img ocr_result");
print "GET '$txt' > ocr_result.txt\n";
system "GET '$txt' > ocr_result.txt";

你问我 tesseract 将其输出写入 ocr_result.txt ,但两行之后,您将使用对的失败调用的输出覆盖该文件。 得到 . 我不知道你会怎么想,但它会把输出的任何东西都弄脏。 特瑟拉克特 已经存储在该文件中。

更新的更新:

这是我当前版本的代码:

#!/usr/bin/perl
use strict;
use warnings;
use feature 'say';
use LWP::Simple qw[$ua get getstore];
use File::Basename;
###
my $user = 'xxxx'; #Enter your username here
my $pass = 'xxxx'; #Enter your password here
###
#Server settings
my $home = "http://perltest.adavice.com";
my $url = "$home/c/test.cgi?u=$user&p=$pass";
#Get HTML code!
my $html = get($url);
my $img;
###Add code here!
#Grab img from HTML code
if ($html =~ m%img[^>]*src="(/[^"]*)"%s)
{
    $img = $1;
}
my $img_url = $home . $img;
my $img_file = 'ocr_me.img';

getstore($img_url, $img_file);

say $img_url;
say $img_file;

# Looks like tesseract adds two newlines to its output -
# so chomp() it twice!
chomp(my $txt = `tesseract ocr_me.img stdout`);
chomp($txt);

say "[$txt]";

$txt =~ s/\W+//g;

my $resp = $ua->post($url, {
  u    => $user,
  p    => $pass,
  file => basename($img),
  text => $txt,
});

print $resp->code;
print $resp->content;

我改变了一些事情。

1. 已更正 $img_url 从 $url . $img 到 $home . $img (这就是阻止它获得正确图像的原因)。
2. 切换到使用lwp::simple-through(这很简单)。
3. chomp Ed(两次!)输出来自 特瑟拉克特 删除换行符。
4. 使用file::basename获取要在最终版本中传递的正确文件名 POST .
5. 已从中删除任何非文字字符 $TXT 之前 柱 就这样。

它仍然不太管用。它似乎挂起等待服务器的响应。但恐怕我没时间帮你了。