Python实现图片中英文信息识别

1.说明
1）Python版本：3.x
2）安装PIL、pytesseract
3）安装识别引擎tesseract-ocr

4）测试两张图片，denggao.jpg（中文信息）、test.jpg（英文信息）

2.安装操作
1）进入cmd界面，执行以下两行命令，进行PIL和pytesseract的安装（界面可看安装进度条）：
pip install PIL 
pip install pytesseract 
2）测试安装成功与否，在Python界面执行以下语句，不报错即安装成功：
from PIL import Image
import pytesseract

3.安装好PIL和pytesseract之后，运行下面代码：
# # 对于中文信息的提取，需要加lang='chi_sim'，调用中文词库
from PIL import Image
import pytesseract
text=pytesseract.image_to_string(Image.open('C:\\Users\\Administrator\\Desktop\\denggao.jpg'),lang='chi_sim')
print(text)

报这样的错误，原因包含2个：其一，图片路径错误；其二，没有安装识别引擎tesseract-ocr。

我们进行原因排查，运行下面代码:
from skimage import io  
img=io.imread('C:\\Users\\Administrator\\Desktop\\denggao.jpg')  
io.imshow(img)  
如果not such file则表示物理路径出错了，如果能浏览到图片，则表示路径没问题，可以看到：

from skimage import io  
img=io.imread('C:\\Users\\Administrator\\Desktop\\test.jpg')  
io.imshow(img)  

在确认物理地址读取没有问题之后，如果执行前面获取信息的语句仍然报错，那么原因就可以锁定为没有安装识别引擎tesseract-ocr。

4.安装识别引擎tesseract-ocr
1）下载下面的安装包，然后直接点击安装即可:
http://download.csdn.net/download/qq_40426415/10237320

2）解压安装tesseract-ocr后做如下操作，就可以支持中文识别了。因为tesseract-ocr默认不支持中文识别。   

3）安装完成tesseract-ocr后，我们还需要做一下配置 
方法1：
在C:\Anaconda3\Lib\site-packages\ptyprocess找到pytesseract.py打开后做如下操作:
# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
#tesseract_cmd = 'tesseract'
tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

方法2:
在Python变成页面，Ctrl+鼠标右键，选择import pytesseract中的pytesseract，快速打开pytesseract.py进行路径修改；

5.至此我们所有的配置就完成了，运行下面代码就可以从图片中解析出中文信息和英文信息了
# # 对于中文信息的提取，需要加lang='chi_sim'，调用中文词库
from PIL import Image
import pytesseract
text=pytesseract.image_to_string(Image.open('C:\\Users\\Administrator\\Desktop\\denggao.jpeg'),lang='chi_sim')
# # 输出结果
print(text)

# # 对于英文处理，不需lang='chi_sim'
from PIL import Image
import pytesseract
text=pytesseract.image_to_string(Image.open('C:\\Users\\Administrator\\Desktop\\test.jpg'))
# # 输出结果
print(text)