python 离线图片文字识别（OCR）Tesseract

本人最近也是在使用和学习python遇到各种问题，公司内网控制严格 没有网络，同时也不允许安装exe文件，做python 十分的费劲，也研究了好几款文字识别的OCR ，要么是收费的 要么是离线不能用，非常的烦人，

Tesseract 这款是免费并且支持离线，是一个OCR 库，目前由Google 赞助。Tesseract 是目前公认最优秀、最精确的开源OCR 系统。偶尔有识别错误的情况但是错误率不高，对于没有高精度要求的可以使用。

python +Tesseract  的原理是：Tesseract是exe包需要安装在本地，支持python,如果想通过python 去调用，需要先在本地装Tesseract软件，然后再装python的pytesseract包来支持，通过pytesseract来调用Tesseract软件接口

一、安装pythonpytesseract

在线安装：有网络可以支持在线，cmd进入命令窗口输入下面的命令，（前提是你有python环境并且可用，如果没有先百度安装python）

pip install pytesseract

离线安装：

去官网下载离线包，一个是tar 一个是whl 两个包一样只是安装方法不一样

下载包： pytesseract · PyPI

 安装python 的离线包pytesseract：

进入存放下载离线包的目录，在目录里输入cmd  进入命令窗口，再输入安装命令 回车（这个安装如果失败请百度先解决安装，可能跟python版本、pytesseract缺少依赖包导致，如果是有网的情况下安装，pip会自动给你把缺少的依赖装上，如果无网络，那可以去官网pytesseract · PyPI搜相应的依赖包，把依赖包装完再装这个依赖包），以下两种安装命令取决于你下载的离线包格式：

whl 安装命令如下，进入存放下载离线包的目录，在目录里输入cmd  进入命令窗口，再输入安装命令 回车

pip install pytesseract-0.3.10-py3-none-any.whl

tar 的安装命令如下：进入存放下载离线包的目录，在目录里输入cmd  进入命令窗口，再输入安装命令 回车

python setup.py install

Tesseract的安装与使用

拷贝Tesseract-OCR到内网机

  由于我内网机不允许装exe文件，这个可以在本地装，指定目录装，装完之后，将整个Tesseract-OCR目录拷贝到内网机也是可以用的（如果你是在本机装的请忽略拷贝这一步）

Tesseract的Windows安装包下载地址为： http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe ，下载后双击直接安装即可。安装完后，需要将tesseract.exe所在的目录添加到系统变量path中。同时还要在环境变量中添加新变量TESSDATA_PREFIX并且添加tesseract的语言包tessdata的目录。

比如我的安装目录如下：

 

 

将这个目录添加到环境变量中 

 配置完毕在CMD中输入tesseract -v, 如显示以下界面，则表示Tesseract安装完成且添加到系统变量中

 pycharm 实验一下

import pytesseract
from PIL import Image

# text = pytesseract.image_to_string(Image.open(r"F:\eng.png"), lang='chi_sim')
text = pytesseract.image_to_string(Image.open(r"F:\20221106204640.png"), lang='chi_sim')
print(text)

运行结果如下：