tesseract-ocr 图片文字识别

本篇记录下python识别图片中的文字 所需的安装配置；

 安装库：

pip install pytesseract

pip install PILLOW

 

安装 Tesseract-OCR软件：

Tesseract-OCR这个软件是由Google维护的开源的OCR软件。

下载地址：https://github.com/tesseract-ocr/tesseract/wiki/Downloads

下载后安装后，将Tesseract-OCR路径加入系统path；

安装时注意勾选简体中文，默认安装，安装完毕后，敲命令（看看装的怎么样了，支持什么语言）：

tesseract

tesseract -v

tesseract --list-langs　　#查看Tesseract-OCR支持语言

 

中文字库chi_sim.traineddata

下载地址：https://github.com/tesseract-ocr/tesseract/wiki/Data-Files

将中文字库放在\Tesseract-OCR\tessdata文件夹里面；

 

改文件：

C:\Python3\Lib\site-packages\pytesseract\pytesseract.py（根据实际路径修改），找到这两行：

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
tesseract_cmd = \'tesseract\'

改为这样：

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
#tesseract_cmd = \'tesseract\'
tesseract_cmd = \'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe\'

 

代码：

（写几个字，截图保存成：1.png）

 

import pytesseract
from PIL import Image

text = pytesseract.image_to_string(Image.open(\'1.png\'), lang=\'chi_sim\')
print(text)