tesserocr

2019-05-31 本文已影响0人原点_da4e

1.OCR,光学识别符。

tesserocr是Python的一个OCR库，但其实是对tesseract做的一层Python APIde 封装，所以他的核心是tesseract。因此，在安装tesserocr之前，我们需要先安装tesseract。

2.相关链接

3.windows下的安装

先下载tesseract，他为tesserocr提供了支持

image

带dev的为开发版本，不带dev的为稳定版本。选择不带dev的下载。如tesseract-ocr-setup-3.05.01.exe

下载完成后双击，勾选Additional language data(download)选项来安装OCR识别支持的语言包，这样OCR便可以识别多国语言，然后一路点击Next按钮。

接下来再安装tesserocr即可，此时使用pip安装。

pip3 install tesserocr pillow

4.验证安装

我们使用tesseract和tesserocr来分别进行测试。

image

首先使用命令进行测试，将图片下载下来并保存为image.png 然后用tesseract命令进行测试：

tesseract image.png result -l eng&& cat result.txt

运行结果如下：

Tesseract Open Source OCR Engine v3.05.01 with Leptonica

Python3WebSpider

这里我们调用了tesseract命令，其中第一个参数为图片名称。第二个参数为result为结果保存的目标文件名称，-l制定使用的语言包，在此使用英文（eng）.然后，在用cat命令将结果输出。

裕兴结果便是图片的识别果果：Python3WebSpider 。可以看到，这时已经成功将图片文字转为电子文本了。

然后还可以利用Python代码来测试，这里就需要借助于tesserocr库了，测试代码如下：

import tesserocr

from PIL import Image

image=Image.open('image.png')

print(tesserocr.image_to_text(image))

我们首先利用Image读取了图片文件，然后调用了tesserocr的image_to_text()方法，再将其识别结果输出。

运行结果如下：

Python3WebSpider

另外，我们还可以直接调用file_to_text（）方法，这样可以达到同样的效果：

import tesserocr

print(tesserocr.file_to_text('image.png'))

运行结果：

Python3WebSpider

如果输出成功。则证明tesseract与tesserocr都已经安装成功。