tesseract-ocr 图片文字识别

Tesseract-OCR这个软件是由Google维护的开源的OCR软件。git

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

下载后安装后，将Tesseract-OCR路径加入系统path；app

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）：spa

tesseractcode

tesseract -vblog

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

中文字库chi_sim.traineddata图片

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

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'

改成这样：

# 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)