Windows下安装tesserocr

很难受，由于这两天重装了系统，又得重新配置环境了，而我在安装tesserocr的时候踩了一些坑，于是想写出来分享一下。

 

一.安装tesseract

要安装tesserocr，首先要下载tesseract，它是给tesserocr提供支持的。下载地址为：https://digi.bib.uni-mannheim.de/tesseract/。

打开之后可以看到有很多文件，带dev的为开发版本，不带dev的为稳定版本，我们选择下载不带dev的版本，比如最新的这个：tesseract-ocr-w64-setup-v4.1.0.20190314.exe。下载完成之后运行安装，一直点击next，直到出现如下页面：

在Additional language data中包含了OCR支持识别的各国语言包，可以根据情况选择，我这里就选择了中文的：

之后的过程就不用赘述了，这里因为我只选择了中文语言包，所以下载起来还是很快的。

 

二.安装tesserocr

使用pip install tesserocr进行安装。我在安装的时候碰到了下面这个问题：

解决办法：

1）下载对应版本的whl包进行安装，下载地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases。

比如我的Python版本是3.7，电脑是Windows64位，所以我下载的是：tesserocr-2.4.0-cp37-cp37m-win_amd64.whl。下载完之后使用pip进行安装：

 2）安装Visual Studio，比如VS2017。这个怎么说呢，虽然它里面包含了很多包，安装起来也很简单，但是如果你想卸载就很蛋疼了，而且这个软件会占用C盘几个G的空间，所以我个人是不推荐使用这个办法的。

 

 三.配置环境变量

首先找到你tesseract安装的目录位置，比如E:\Tesseract-OCR，然后将该路径添加到环境变量path中：

之后新建一个系统变量TESSDATA_PREFIX，对应的值为：E:\Tesseract-OCR\tessdata：

 

四.运行示例

下面是一个简单的示例，使用的图片为：

代码很简单，如下：

1 import tesserocr
2 from PIL import Image
3 
4 
5 img = Image.open("test.jpg")
6 print(tesserocr.image_to_text(img))

在第一次运行的时候可能会出现下面这个错误：

RuntimeError: Failed to init API, possibly an invalid tessdata path: E:\Python\/tessdata/

解决办法：将tesseract安装目录下的tessdata文件夹复制到你的Python安装目录下。

最终运行结果为：@ python’

我们可以看到tesserocr在不处理图片直接使用的情况下，识别的效果其实是比较差的，如果我们想要提高OCR识别的准确度，可以进行相应的识别训练。