Python3.6使用tesseract-ocr的正确姿势

环境

Python 3.6.3

pip 9.0.1

tesseract-ocr-setup-3.05.00dev.exe

Windows10

安装

1.tesseract-orc

Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后经由Google进行改进，消除bug，优化，重新发布。

安装的时候需要自行选择安装的语言，一些其他国家的语言可以不选择安装，我之按安装了中文，英文和日语。安装过程和其他软件一样。

2.pytesseract

pip install pytesseract

1

配置环境

1.设置 tesseract-orc路径

默认情况下tesseract-orc是不被添加到系统的path路径的，这样在使用的时候发生FileNotFoundError: [WinError 2] 系统找不到指定的文件错误。

解决方法: 
* 方法1：将 C:\Program Files (x86)\Tesseract-OCR添加到系统路径（路径因安装过程而异） 
* 方法2：修改pytesseract.py文件，修改方法如下 

设置训练集的位置

下载的默认训练集也没有添加到系统路径,会报错pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\tessdata/chi_sim.traineddata')

解决方法： 
设置环境变量 TESSDATA_PREFIX 
C:\Program Files (x86)\Tesseract-OCR\tessdata

实例程序

import pytesseract

from PIL import Image

 

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

code = pytesseract.image_to_string(image)

print(code)