Python安装tesserocr遇到的各种问题及解决办法

Posted 雨轩恋i

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python安装tesserocr遇到的各种问题及解决办法相关的知识,希望对你有一定的参考价值。

Tesseract的安装及配置

在Python爬虫过程中,难免遇到各种各样的验证码问题,最简单的就是技术分享图片技术分享图片?这种验证码了,那么在遇到验证码的时候该怎么办呢?我们就需要OCR技术了,OCR-即Optical Character Recognition光学字符识别,是指通过扫描字符,然后将其形状翻译成电子文本的过程。而tesserocr是Python的一个OCR识别库,所以在安装tesserocr之前,我们需要安装tesseract这个东西

下载地址:https://digi.bib.uni-mannheim.de/tesseract/ 可以选择下载不带dev的稳定版本,我下载的是3.05.01版本的,不过这个版本的可能比较早了,识别能力不是很厉害,读者可以选择下载最新版本的3.05.02,识别能力应该会好很多。

下载完就是一路双击,在最后的Additional Language data(download)选上这个选项,是OCR支持各种语言的包,然后继续安装,直到安装成功。

我的安装路径为:G:Program Files (x86)Tesseract-OCR

技术分享图片技术分享图片?

安装完成后就得需要配置环境变量,打开环境变量设置,在path中加入如下

技术分享图片技术分享图片?的设置,这样tesseract就安装成功并配置完成了、

tesserocr库的安装

刚开始我直接在cmd下输入 pip install tesserocr 很不幸报错了,报错类似于如下。。。因为之前我的报错,没有截图。所以。。

技术分享图片技术分享图片?

就是类似于这种的截图,这该怎么办,难道要去下载visual C++吗?我们有更好的解决方法,下载对应的.whl文件

下载地址:https://github.com/simonflueckiger/tesserocr-windows_build/releases 一定要下载对应版本的

技术分享图片技术分享图片?

我的是3.5.1,所以我下载的是这个版本的。读者可以自行选择。

我的tesserocr-2.2.2-cp36-cp36m-win_amd64.whl文件下载在G盘根目录下,然后在cmd里输入 pip install G: esserocr-2.2.2-cp36-cp36m-win_amd64.whl 开始安装whl文件,发现报错了。提示不能安装whl文件。。原来是没有安装wheel。

然后我就去安装了wheel 直接 pip install wheel即可。

安装成功 在输入 pip install G: esserocr-2.2.2-cp36-cp36m-win_amd64.whl 发现开始安装了。

哎心累啊,总算弄好了。但是,我在pycharm中调用tesserocr 这个库,他又提示报错了,这是为什么呢?百度了一下最终解决。

原来需要在pycharm下的terrminal下输入如下图:

技术分享图片技术分享图片?

如果报错了还得有一步操作。

将Tesseract-OCR下的tessdata文件复制到你的Python安装路径的scripts下:

技术分享图片技术分享图片?

这样

技术分享图片技术分享图片?

这下应该就彻底安装成功了。。

这下在pycharm里总算不会报错了,我们来试一下识别这两张图片的效果

技术分享图片技术分享图片?

技术分享图片技术分享图片?

代码:

from PIL import Image
import tesserocr

imag=Image.open(test.jpg)
print(tesserocr.image_to_text(imag))
imag1=Image.open(image.png)
print(tesserocr.image_to_text(imag1))

 

技术分享图片

输出结果如下:

技术分享图片技术分享图片?将762408识别成了162408 我也很无奈呀。。。可能是因为版本太菜了吧

以上就是我安装tesserocr遇到的问题及解决办法了。其实还可以装pytesseract这个库。

 

安装pytesseract库

安装这个pytesseract库可比tesserocr方便多了,根本不会报错,直接pip install pytesseract 完事。。pycharm直接搜索库

技术分享图片技术分享图片?

然后下载就完事,多省事。。。。

看一下识别效果,还是同样的两张图片。

代码:

import pytesseract
from PIL import Image
import tesserocr

im=Image.open(test.jpg)
print(pytesseract.image_to_string(im))
im1=Image.open(image.png)
print(pytesseract.image_to_string(im1))

 

运行结果:

技术分享图片技术分享图片?运行结果一样的,所以我推荐大家使用pytesseract这个库。

 

验证码识别问题

我打开知乎登录界面,下载了一张验证码图片:技术分享图片技术分享图片? 开始识别它。

代码如下:

import pytesseract
from PIL import Image
import tesserocr



#简单验证  特别垃圾
image=Image.open(3.jpg)
result=tesserocr.image_to_text(image)
print(result)


#完全验证 也不咋地。。
image1=Image.open(3.jpg)
image1=image1.convert(L)
threshold=127
table=[]
for i in range(256):
    if i <threshold:
        table.append(0)
    else:
        table.append(1)
image2=image1.point(table,1)
image2.show()  #二值化灰度处理图片显示
result=pytesseract.image_to_string(image2)
print(result)

 

技术分享图片

运行结果:

技术分享图片技术分享图片?都识别失败了,,,

贼无语,但是灰度化和二值化后的图片已经很清晰了。。技术分享图片技术分享图片?我都能看出来是H83G了,你识别个H535是个什么鬼。。综上,这个库吧,可能效果也不是那么好。先凑活用吧。。










以上是关于Python安装tesserocr遇到的各种问题及解决办法的主要内容,如果未能解决你的问题,请参考以下文章

Python3.6安装tesserocr遇到的问题

Python3.6安装使用tesserocr文件时遇到问题

tesserocr的安装

尝试安装 tesserocr 时出错

Python tesserocr模块使用示例

win10下pip3安装tesserocr时报错