Python：tesserocr 在 windows 下的安装及简单使用

tesserocr 是 python 的一个 OCR 库，它是对 tesseract 做的一层 Python API 封装，所以他的核心是tesseract。

tesseract 的安装见 https://www.cnblogs.com/gl1573/p/9876397.html

 

windows 下安装 tesserocr 是一个坑爹的事情，直接用 pip 安装是不可以的，会报错，只能用 .whl 的方式安装。据说 pip 的方式只能用于 Linux 系统，没验证过。

whl 下载地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases

网站中列出了 tesserocr 和 tesseract 版本的对应关系，选择对应的版本，否则会出现非预期字符。

 

安装 whl 时要注意几个问题。

1、报如下错误：

报这个错误的原因是改动了python 的目录名称或位置。我用 pycharm 每个项目都是单独的配置，并且我改动过了项目名称导致了这个问题。

解决办法：找到修改 python 所在的目录，打开 scripts 目录，找到 pip-script.py 文件，将第一行的路径改正确了就可以了。

2、python3.6 默认自带的 pip 版本是9.0.1，版本太低，需要升级。升级后，pip-script.py 文件中的版本号也要更改，否则依然认为你没更新。

3、当路径中包含中文时，可能会出现编码问题。

这个问题比较奇怪，中文路径可以肯定的是允许的，实际验证过，应该是 pip-script.py 的文件编码问题，但是我尝试了更改编码方式，也不行。这问题目前有两个解决方案，一是把路径改成英文的，二是从别的可以包含中文路径的地方把 pip-script.py 拷过来改。

 

安装完成后就可以使用了，示例如下：

import tesserocr
from PIL import Image


img = Image.open('1.png')
result = tesserocr.image_to_text(img)
print(result)