使用 Perl 和 Tesseract 实现英文数字验证码识别

一、简介
Perl 是一种强大的脚本语言，擅长处理文本和文件系统任务。借助 Tesseract OCR 引擎，Perl 同样可以识别图像中的英文数字验证码，非常适合自动化脚本或后台工具使用。

二、环境准备

1. 安装 Perl
   Windows：建议使用 Strawberry Perl

macOS/Linux：大多数系统已自带 Perl，运行 perl -v 验证

2. 安装 Tesseract
   Windows：https://github.com/tesseract-ocr/tesseract

macOS：brew install tesseract

Ubuntu：sudo apt install tesseract-ocr

确保安装成功并配置环境变量，可通过：

tesseract --version
三、准备验证码图像
准备一张英文数字验证码图像 captcha.png，放置在 Perl 脚本同一目录。

四、编写 Perl 识别脚本
创建一个文件 captcha_recognizer.pl，内容如下：

!/usr/bin/perl

use strict;
use warnings;

图像文件路径

my $image = "captcha.png";

白名单设置（仅识别英文和数字）

my $whitelist = "tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789";

使用系统调用执行 tesseract

my $cmd = "tesseract $image stdout -l eng -c $whitelist --psm 7";

执行命令并捕获输出

my $output = $cmd;

清洗结果

$output =~ s/[^A-Za-z0-9]//g;

打印识别结果

print "识别出的验证码为: $output\n";
五、运行脚本
在终端或命令提示符中运行：

perl captcha_recognizer.pl
输出示例：

识别出的验证码为: B7X3Y
六、识别优化建议
图像预处理：可使用 ImageMagick 先将图像灰度化、二值化：

convert captcha.png -colorspace Gray -threshold 60% gray_captcha.png