Tesseract的简单使用

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

添加中文的识别库：

https://github.com/tesseract-ocr/tessdata/find/master

这个网址中下载chi_sim.traineddata，下载后放到Tesseract-OCR\tessdata文件夹内。

设置环境变量：

安装完成后在Windows下把tesseract.exe所在的路径添加到PATH环境变量中。

 

另外一个环境变量我自己电脑中是没有添加，也可以正常运行程序。做个参考：

**********************************************************************************************************

在使用tesseract命令行进行测试时，报以下的错误

Error opening data file \Program Files (x86)\Tesseract-OCR\tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
Failed loading language 'eng'
Tesseract couldn't load any languages!
Could not initialize tesseract.

报错是意思是缺少环境变量TESSDATA_PREFIX，导致无法加载任何语言，就不能初始化tesseract。

解决的方法也很简单，在环境变量中，添加一个变量名为TESSDATA_PREFIX,变量值为teseractdata目录地址。

**************************************************************************************************************************

在命令行中使用tesseract识别图像：

如果想要在cmd下能够使用tesseract命令，那么需要把tesseract.exe所在的目录放到PATH环境变量中。然后使用命令：tesseract 图片路径 文件路径。
示例：

tesseract a.png a

那么就会识别出a.png中的图片，并且把文字写入到a.txt中。

如果识别中文的，需要添加个参数：

tesseract a.png a -l eng 默认的是eng，中文的就改成chi_sim。

关于快速的在当前文件夹内打开cmd的方法，是按住shift键，然后右键，就可以有“在此处打开命令行窗口”的选项，并且直接定位到当前文件夹内。

在代码中使用tesseract识别图像：

pip install pytesseract安装

使用代码：

from PIL import Image
import pytesseract

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

从网页中下载图片的简单代码：

from urllib import request

img_url = 'https://u.baidu.com/ucweb/?module=Reguser&controller=reg&action=image&appid=12&_=1551428462677'
request.urlretrieve(img_url, 'captcha.png')