10.tesseract

1.Tesseract-OCR简介

一个Google支持的开源的OCR图文识别开源项目。支持多种语言(我使用的是3.02 版本，支持包括英文,简体中文,繁体中文),支持Windows,Linux,Mac OSX 多平台。

2.Tesseract安装

下载windows版本的tesseract安装包，我下载的版本是是http://3.onj.me/tesseract/网站所维护的，安装后有个doc文件夹，里面有英文的使用文档。为了在全局使用方便，比如安装路径为D:\Application\tesseract，将D:\Application\tesseract添加到环境变量的path中。

注：

tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件. 这个安装程序默认包含了英文字库。

        如果想能识别其他语言，可以到https://github.com/tesseract-ocr/tessdata下载对应的语言的字库文件。

　　　　 下载完成后将该文件剪切到tessdata目录下去就可以了。

新增环境变量TESSDATA_PREFIX，值为D:\Application\tesseract

3.Tesseract 使用

a. tesseract C:'User\ppzc\1.jpg result 默认英文

b. tesseract C:'User\ppzc\2.jpg result -l chi_sim 指定中文

4.简单使用

a.使用中文

import pytesseract

from PIL import Image

pytesseract.pytesseract.tesseract_cmd=r"D:\tesseract\tesseract.exe"

imgs=Image.open("1.png")

text1=pytesseract.image_to_string(imgs,lang="chi_sim")

print(text1)

b.使用默认英文

import pytesseract

from PIL import Image

pytesseract.pytesseract.tesseract_cmd=r"D:\tesseract\tesseract.exe"

imgs=Image.open("2.jpg")

text1=pytesseract.image_to_string(imgs)

print(text1)

5.案例

import pytesseract

from urllib import request

from PIL import Image

import time

def main():

    pytesseract.pytesseract.tesseract_cmd=r'D:\tesseract\tesseract.exe'

    url="https://passport.lagou.com/vcode/create?from=register&refresh=1513082291955"

    while True:

        request.urlretrieve(url,"1.png")

        image=Image.open("1.png")

        text=pytesseract.image_to_string(image)

        print(text)

        time.sleep(2)

if __name__=="__main__":

    main()

巴特西

10.tesseract

最新文章

热门文章