tesseract-ocr

标签：pytesseract.pytesseract   winerror   

其实也不算自己写的，在网上东找找西找找，合一块问题就解决了。

和谐社会的程序猿不都这样么。。

上正菜。

先安装pillow

windows 10上面先打开命令提示符：

注：不知道为啥我装python 3.5的时候蛋疼的选择了管理员安装，所以运行命令提示符的话也需要管理员权限。怎么操作就不说了。

1. 安装Pillow

2. 安装pytesseract

3. 再安装tesseract-ocr，注意这个很关系是文字识别的核心程序。

 

报错了，看来前面太顺了，python看不过去了。

至于报错的信息：error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual C++ Build Tools": http://landinghub.visualstudio.com/visual-cpp-build-tools

让我去这个网站装   Microsoft Visual C++ 14.0相关的东东，N N D 我打开网站，下载之后安装，看所需要的空间 4GB。玩不起，还是算了，我是菜鸟，太多的东西不懂，所以不要为难我。

所以找其它方法装tesseract-ocr

这里面有tesseract-ocr for windows的安装方法。安装步骤我们强大的度娘就有：

http://jingyan.baidu.com/article/219f4bf788addfde442d38fe.html 

安装时要什么字库自己选。

 

懒人连接：https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe

MAC  LINUX  WINDOWS 各版本下载

https://github.com/tesseract-ocr/tesseract/wiki

 

相关的程序基本安装完了。

开始做一个小程序参考图如下：

我是在pycharm中练习的，代码如下：

1 2 3 4 5

from PIL import Image import pytesseract img = Image.open() text = pytesseract.image_to_string(img) print (text)

注：我把上面的参考图命名为22.png了，因为我太2了

装好几个程序了，看看效果运行：

1 2 3 4 5 6 7 8 9 10 11 12 13

"C:\Program Files\Python35\python.exe" D:/Python_Study3.5/test/pli_png.py Traceback (most recent call last):   File "D:/Python_Study3.5/test/pli_png.py", line 4, in <module>     text = pytesseract.image_to_string(img)   File "C:\Program Files\Python35\lib\site-packages\pytesseract\pytesseract.py", line 122, in image_to_string     config=config)   File "C:\Program Files\Python35\lib\site-packages\pytesseract\pytesseract.py", line 46, in run_tesseract     proc = subprocess.Popen(command, stderr=subprocess.PIPE)   File "C:\Program Files\Python35\lib\subprocess.py", line 676, in __init__     restore_signals, start_new_session)   File "C:\Program Files\Python35\lib\subprocess.py", line 957, in _execute_child     startupinfo) FileNotFoundError: [WinError 2] 系统找不到指定的文件。

M D 找不到指定文件，到这里我也不懂，继续百度。然后找到的文章说要更改 pytesseract.py这个文件的一些配置（第二个安装的模块）。因为这里面配置有一些相关于tesseract-ocr（即第三个安装的程序）

更改如下：

在pycharm中如图打开pytesseract.py：

在右边打开的窗口找到：tesseract_cmd 这行代码：

这一行注释掉：因为pytesseract.py文件内默认的tesseract-ocr的主程序环境变量不知道怎么变的，到了windows 下面就不能运行，上面执行的报错代码中找不到文件，其实就是找不到主程序。所以注释掉原来的，我们再新加一行。上面的路径就是你安装Tesseract-ocr程序时的路径：

1	#tesseract_cmd = ‘tesseract‘

新增加一行：

1	tesseract_cmd = r‘C:/Program Files (x86)/Tesseract-OCR/tesseract.exe‘

保存，运行我们写的代码，看看效果。

又报错了，伤不起

1 2 3 4 5 6 7 8

"C:\Program Files\Python35\python.exe" D:/Python_Study3.5/test/pli_png.py Traceback (most recent call last):   File "D:/Python_Study3.5/test/pli_png.py", line 4, in <module>     text = pytesseract.image_to_string(img)   File "C:\Program Files\Python35\lib\site-packages\pytesseract\pytesseract.py", line 125, in image_to_string     raise TesseractError(status, errors) pytesseract.pytesseract.TesseractError: (1, ‘Error opening data file \\Program Files (x86)\Tesseract-OCR\\eng.traineddata‘) Process finished with exit code 1

这次报的错，貌似是找不到tesseract-ocr的配置文件。看来还得改pytesseract.py文件。

于是又从网上找了一些东西，继续更改。

如图

保存，接着运行程序：

啥啥成功了，虽然识别多了一个小数点，不过至少不报错了。

 

就试到这里了，多的我也不会。

 

 

以上大部分内容都是来自网上。我不过做下整理。

那里说错了，莫怪，我了解的也不多。

 

 

本文出自 “学习之路” 博客，请务必保留此出处http://13136244.blog.51cto.com/13126244/1972816

python3 for win10X64下Pillow，pytesserac和tesseract文字识别简单配置。

标签：pytesseract.pytesseract   winerror   

原文地址：http://13136244.blog.51cto.com/13126244/1972816

Tesseract-OCR的简单使用与训练：https://www.cnblogs.com/cnlian/p/5765871.html

Tesseract 3.02中文字库训练----整理：http://blog.csdn.net/liulina603/article/details/45071485

Tesseract-OCR识别中文与训练字库实例：https://www.cnblogs.com/wzben/p/5930538.html

Tesseract训练中文字体识别：https://www.jianshu.com/p/31afd7fc5813

Tesseract.js 一个几乎能识别出图片中所有语言的JS库：https://segmentfault.com/p/1210000007152346

用于62种语言的纯Javascript Javascript OCR：https://github.com/naptha/tesseract.js#docs