pytesseract和tesseract-ocr安装过程

Python人工智能之图片识别，Python3一行代码实现图片文字识别编程小石头 2017-09-20 15:24:57 160318 收藏 163分类专栏： python 文章标签： python 人工智能图片识别-Pytho python人工智能 python入门版权自学Python3第5天，今天突发奇想，想用Python识别图片里的文字。没想到Python实现图片文字识别这么简单，只需要一

lizz2276

1239人浏览 · 2021-03-10 18:11:29

lizz2276 · 2021-03-10 18:11:29 发布

Python人工智能之图片识别，Python3一行代码实现图片文字识别

编程小石头 2017-09-20 15:24:57 160318 收藏 163
分类专栏： python 文章标签： python 人工智能图片识别-Pytho python人工智能 python入门
版权
自学Python3第5天，今天突发奇想，想用Python识别图片里的文字。没想到Python实现图片文字识别这么简单，只需要一行代码就能搞定

#作者微信：2501902696
from PIL import Image
import pytesseract
#上面都是导包，只需要下面这一行就能实现图片文字识别
text=pytesseract.image_to_string(Image.open('denggao.jpeg'),lang='chi_sim')
print(text)
1
2
3
4
5
6
我们以识别诗词为例
下面是我们要识别的图片

###先看下效果图

我们运行代码后识别的结果,有几个字没有正确识别，但是大多数字都能识别出来。

风急天高猿啸哀渚芸胄芳少白鸟飞凤
无边落木萧萧下, 不尽长量工盲衮宕衮来
万里悲秋常1乍窨, 百年多病独登氤
艰难苦恨擎霜量漂倒新停澍酉帆
1
2
3
4
##一行代码就能识别图片，我们背后要做些准备工作的

这里我们需要用到两个库：pytesseract和PIL
同时我们还需要安装识别引擎tesseract-ocr
###下面就来讲讲这几个库的安装，因为只有这几个库安装好以后Python才能实现一行代码实现图片文字识别

#一，pytesseract和PIL的安装
安装这两个包可以借助pip

1，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

这样就能成功安装pytesseract，安装PIL只需要在上面第三步里搜索PIL并点击安装即可

这时我们安转好了库，运行下面代码

from PIL import Image
import pytesseract
text=pytesseract.image_to_string(Image.open('denggao.jpeg'),lang='chi_sim')
print(text)
1
2
3
4
会报下面错误，错误原因是：没有安装识别引擎tesseract-ocr

##二，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
tesseract-ocr安装包和中文语言包
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。

2，安装完成tesseract-ocr后，我们还需要做一下配置
在C:\Users\huxiu\AppData\Local\Programs\Python\Python35\Lib\site-packages\pytesseract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'
1
2
3
也可以通过pycharm快速打开pytesseract.py

至此我们所有的配置就完成了，运行下面代码就可以把杜甫的登高这首图片诗解析成文字了

————————————————
版权声明：本文为CSDN博主「编程小石头」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qiushi_1990/article/details/78041375

=================================================================================================================

tesseract-ocr安装和简单操作文档

Mr熊 2019-08-20 14:07:05 3149 收藏 4
分类专栏： 3-python
版权
1 下载
1.1 Tesseract-OCR 4.0版本下载地址：https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w32-setup-v4.0.0-beta.1.20180608.exe

1.2 其他版本下载地址：

https://digi.bib.uni-mannheim.de/tesseract/

2安装
2.1 双击安装；

2.2 点击“运行”继续

2.3 点击“next”继续

2.4 选择下载包（在additional language data (download 下选择中数学公式库和中文库Chinese（simplified）（traditional）），点击“next”继续

2.5 选择安装路径（该演示文档里选择安装在C:\KFSofts\Tesseract-OCR目录下）

2.6 直接点击“install”，开始自动化安装，直到完成：

3环境配置
4.1 将Tesseract-OCR安装目录（C:\KFSofts\Tesseract-OCR）加入环境变量path中；

4.2 添加变量名TESSDATA_PREFIX 并赋值为C:\KFSofts\Tesseract-OCR\tessdata

4 简单使用
4.1 cmd命令使用

（命令格式：tesseract 目标图片生成的box文件语言包 makebox ）：

比如：

C:/KFSofts/Tesseract-OCR/tesseract C:\Users\Administrator\Desktop\OCR\img\11.png C:\Users\Administrator\Desktop\OCR\img\resulit -l chi_sim makebox

######

4.2 python调用 PIL和pytesseract库，代码如下（该库都可以通过PIP安装）：

###

from PIL import Image
import pytesseract
import os
def aaa():
    path = "C:\\Users\\Administrator\\Desktop\\OCR\\img\\" #图片路径
    path2 = "2.png"
    text = pytesseract.image_to_string(Image.open(path+path2), lang="chi_sim")
    print(text.replace(" ",''))
if __name__=="__main__":
    aaa()

4.3有时候有需要修改***data\Lib\site-packages\pytesseract下的pytesseract.py)

5参考文档：https://www.cnblogs.com/wangkevin5626/p/9640165.html
————————————————
版权声明：本文为CSDN博主「Mr熊」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_41030861/article/details/99842001

====================================================================================

Pytesseract的安装与使用

起个名字好难阿关注

0.0782020.10.09 23:42:28字数 442阅读 1,696

一、安装pytesseract

通过cmd输入pip install pytesseract进行安装，但是安装后并不能直接使用，还需要下载Tesseract-OCR。

下载Tesseract-OCR
下载完双击打开，连续next，直到出现安装路径的时候，可以自定义安装路径也可以使用默认的安装路径，但是无论是哪一种一定要记住路径。
我的是自定义的安装路径

F:\Tesseract-OCR\tesseract.exe

然后通过cmd输入pip install pytesseract可以看到自己安装的pytesseract所在路径

image.png

根据路径找到pytesseract.py

image.png

点开编辑，找到tesseract_cmd将它改为你刚刚安装的tesseract的路径。

image.png

保存后去运行程序会发现没办法使用pytesseract库，它还是会报错，这是由于环境变量也要进行设置。
点开我的电脑—》属性—》高级系统设置—》环境变量，新建一个变量：

image.png

路径还是你刚刚安装的Tesseract-OCR路径，但是要将它定位到其中的tessdata，变量名也一定不能改。
然后在下面的path中加入的变量：

image.png

保存后，请一定要重启，然后在去运行程序就可以使用pytesseract库了。

二、pytesseract库的使用

我是以古诗文网的登录验证码为例，写的代码，运行后请对照图片与输出结果是否一致。
代码如下：

import requests
from lxml import etree
from PIL import Image
import pytesseract
if __name__ == '__main__':
    #或缺页面数据
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.102 Safari/537.36'
    }
    url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
    page_text = requests.get(url=url, headers=headers).text
    #解析出页面中图片的地址
    tree = etree.HTML(page_text)
    cod_img_src ='https://so.gushiwen.cn' + tree.xpath('//*[@id="imgCode"]/@src')[0]
    cod_data = requests.get(url=cod_img_src,headers=headers).content
    with open('./code.jpg', 'wb') as fp:
        fp.write(cod_data)
    text = pytesseract.image_to_string(Image.open(r'./code.jpg'))
    print(text)

运行结果