tesseract-ocr 圖片文字識別

本篇記錄下python識別圖片中的文字 所需的安裝配置；

 安裝庫：

pip install pytesseract

pip install PILLOW

 

安裝 Tesseract-OCR軟件：

Tesseract-OCR這個軟件是由Google維護的開源的OCR軟件。

下載地址：https://github.com/tesseract-ocr/tesseract/wiki/Downloads

下載後安裝後，將Tesseract-OCR路徑加入系統path；

安裝時注意勾選簡體中文，默認安裝，安裝完畢後，敲命令（看看裝的怎麼樣了，支持什麼語言）：

tesseract

tesseract -v

tesseract --list-langs　　#查看Tesseract-OCR支持語言

 

中文字庫chi_sim.traineddata

下載地址：https://github.com/tesseract-ocr/tesseract/wiki/Data-Files

將中文字庫放在\Tesseract-OCR\tessdata文件夾裏面；

 

改文件：

C:\Python3\Lib\site-packages\pytesseract\pytesseract.py（根據實際路徑修改），找到這兩行：

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

改成這樣：

# 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'

 

代碼：

（寫幾個字，截圖保存成：1.png）

 

import pytesseract
from PIL import Image

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