pytesseract+Tesseract-OCR图片文字识别

Posted 2021-03-07 liujinxin123

要识别的图片：

代码：

from PIL import Image
import pytesseract
text=pytesseract.image_to_string(Image.open(‘denggao.jpeg‘),lang=‘chi_sim‘)
print(text)

效果截图：

主要步骤：

1.需要两个库：pytesseract和PIL

（1）可以通过命令行安装

pip install PIL 
pip install pytesseract 

（2）如果你用的pycharm编辑器，就可以直接借助pycharm实现快速安装。 
在pycharm的Settings设置页按照下面步骤操作 ：

可以通过同样的步骤安装PIL

2.安装识别引擎tesseract-ocr

https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w64-setup-v5.0.0-alpha.20200223.exe

如有需求
附上各版本下载地址
https://github.com/UB-Mannheim/tesseract/wiki

3.识别中文，单独安装上识别引擎是无法识别中文的，需要另外下载一些东西

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

将里面的 chi_sim.traineddata、chi_sim_vert.traineddata、chi_tra.traineddata和chi_tra_vert.traineddata文件放入tesseract-ocr的tessdata目录下

4.修改pytesseract.py

到你的Python的Libsite-packagespytesseract中找到pytesseract.py并修改其中的tesseract_cmd

修改为：

tesseract_cmd = ‘D:/Tesseract-OCR/tesseract.exe‘

之后就可以运行了。

配置过程中遇到的错误：

1.没有安装识别引擎会报这个错误：

2.识别引擎版本不对会报：

pytesseract.pytesseract.TesseractError: (1, "Error, unknown command line argument ‘-psm‘")