安装

非常easy

1	pip install ddddocr

使用实例

import ddddocr

ocr = ddddocr.DdddOcr(show_ad=False)  # show\_ad=False关闭广告
with open("./img/img_1.png", "rb") as f1:
    im = f1.read()
    yzm1 = ocr.classification(im)
with open("./img/img_2.png", "rb") as f2:
    im = f2.read()
    yzm2 = ocr.classification(im)
print(yzm1, yzm2)

函数解释

当然，以下是对ddddocr库中DdddOcr类及其classification方法的解释，以及如何在上述代码中使用的详细说明：

`DdddOcr` 类

DdddOcr 是 ddddocr 库中的一个类，用于执行OCR（光学字符识别）任务，特别是针对验证码等复杂字符的识别。

初始化方法（构造函数）

1	ocr = ddddocr.DdddOcr(show_ad=False, det=True, ocr=True, cls=True, gpu=False, path_det_model=None, path_ocr_model=None, path_cls_model=None)

show_ad：布尔值，是否显示广告。在上述代码中，设置为 False 以关闭广告。
det：布尔值，是否启用检测模型（用于定位图片中的文本区域）。通常，对于验证码识别，这个选项是启用的。
ocr：布尔值，是否启用OCR模型（用于识别检测到的文本）。
cls：布尔值，是否启用分类模型（用于进一步处理OCR结果，例如将数字识别为特定的验证码字符集）。
gpu：布尔值，是否使用GPU进行加速。如果系统中有可用的GPU和相应的CUDA支持，可以设置为 True。
path_det_model, path_ocr_model, path_cls_model：字符串，分别指定检测、OCR和分类模型的路径。如果未指定，将使用默认的预训练模型。

`classification` 方法

1	result = ocr.classification(image, det=True, cls=True, box_limit=2000)

image：要识别的图片，通常是一个二进制数据或经过预处理的图像数组。
det：布尔值，是否启用检测模型。对于验证码识别，通常保持为 True。
cls：布尔值，是否启用分类模型。对于验证码识别，通常也保持为 True。
box_limit：整数，限制检测到的文本区域的数量。对于验证码，这个值通常不需要调整，因为验证码通常只包含一个文本区域。

返回值

classification 方法返回一个字符串或字符串列表，表示识别到的字符。对于验证码，通常期望返回一个字符串，因为验证码通常是一个单词或一串连续的字符。

在代码中的使用

在上述代码中，DdddOcr 类被实例化，并且 classification 方法被用来识别两张图片中的验证码。

实例化 DdddOcr 类，关闭广告显示。
使用 with open 语句打开每张图片文件，并读取其二进制内容。
调用 classification 方法，传入图片数据，进行验证码识别。
打印识别结果。

这个过程对于两张图片是重复的，只是文件路径和存储识别结果的变量名不同。