tesseract识别图片文字

OCR识别图片文字

pytesseract免费开源项目完成识别

1. pip install pytesseract 安装扩展包，只安装这个没有用

2. tesseract-ocr.exe 完成识别工作，下载并安装(过程中，需要点击选择中文包），记录其所在路径(应该与以下示例中近似)

   1. 下载tesseract-ocr， 链接：https://pan.baidu.com/s/1IBLgMicVK3Dk8VUO44sB3g 提取码：ghnb

3. 示例代码：

   from PIL import Image
   import pytesseract
   
   # 配置tesseract.exe路径，否则会报错
   pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
   
   img = Image.open(r'03.jpg')
   ret = pytesseract.image_to_string(img, lang='chi_sim')  # lang='chi_sim' 对识别中文起作用
   print(ret)
   

4. 报错示例：

   1. pytesseract.pytesseract.TesseractError: (1, 'Error opening data file C:\\Program Files\\Tesseract-OCR\\/tessdata/chi_sim
   	修正方法：根据报错提示，缺少中文数据包。将中文数据包chi_sim.traineddata（百度云中已有），添加进C:\Program Files\Tesseract-OCR\tessdata中即可。