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