python Tesseract-OCR、pytesseract 图片文字识别
1.安装 pytesseract
pip install pytesseract
2.安装 Tesseract-OCR
下载地址:https://tesseract-ocr.github.io/tessdoc/Home.html#binaries
2.1 根据系统选择相应的版本 (这里以windows 64位 为例)
点击后跳转下载页:
2.2 安装:一直点 “NEXT” 直到安装完成 (记得安装目录后面要配置环境变量)。
3.配置环境变量
4.到此为止,已经可以识别文字了。
4.1 识别中文
但是只能识别英文,默认不支持中文,需要下载语言包 (语言包下载地址:https://tesseract-ocr.github.io/tessdoc/Data-Files ),放到 tessdata 文件夹下
然后配置 tessdata 环境变量:
最后在代码中设置识别中文语言:lang='chi_sim'
设置后,中英文都可以识别。
嗯,好像有些字识别错了...
完整代码:
from PIL import Image import pytesseract import os os.chdir("G:\py\img") img = Image.open('js.png') # lang='chi_sim' 指定识别的语言为中文 text = pytesseract.image_to_string(img, lang='chi_sim') print(text)
参考:https://blog.csdn.net/m0_62501574/article/details/122388612