Python 用 Tesseract识别图片提取文本

 

环境: win10，python3.7，vs code；

 

首先下载tesseract

https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.0.0-alpha.20170804.exe

 

我装在了F盘 在路径下敲命令

tesseract –v 可以看版本号

tesseract --list-langs　　查看Tesseract-OCR支持语言

下好后需要改文件

  找到python路径下  Lib\site-packages\pytesseract\pytesseract.py

 

将#tesseract_cmd = 'tesseract'
改为：tesseract_cmd = 'F:/Tesseract-OCR/tesseract.exe'(目录根据自己tesseract的安装路径而定)

 

在系统变量path中追加  F:\Tesseract-OCR\tessdata

 

新建变量 TESSDATA_PREFIX

 

接下来就可以在python代码中尝试了

 

图片为：

 

结果：

感觉效果一般

如果想识别其他语言，可以从语言库中下载，地址:https://github.com/tesseract-ocr/tessdata

将下好的.traineddata放到tessdata目录下

接下来就可以用chi_sim（中文简体解析）

 

 

 

 

参考文章：https://www.cnblogs.com/qq21270/p/7704952.html