试了下ocr

pdf能看了，拓展的驱动下，想着是否可以ORC呢，识别到文字内容更有帮助。
按网搜的顺序，开始是用pytesseract，pip安装顺利，但运行不了，提示找不到pytesseract，按网上的帮助下载win安装包，选上中文包，再试，可以运行了，就是中文基本识别不了，也不知哪里改善，只得作罢。
换下一个，paddleocr，pip安装报错，按网上的帮助，按顺序requirements.txt装了一遍，卡在lmdb的patch-ng上，再网搜，还网搜，艰难的在硕硕（https://icenturyw.com）这里找到了方法，备之：

git clone https://github.com/Bye-lemon/py-lmdb.git
cd py-lmdb
pip install .

lmdb安装成功后，再如法下载安装paddleocr，

https://github.com/PaddlePaddle/PaddleOCR

一试，中文识别有效，藏在一簇簇的数字中。"pip install . "的用法对我很是新鲜，用python也算久了，不记得有这样的用法。

12日续：
按顺序，接着是easyocr，pip安装很顺利，识别时报错urllib.error，Loliykon说要手动下载模型文件，简体中文地址：

https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/chinese_sim.zip

跳转响应不明显，回过头来找发现下了两份了，点击的效果就是接着下第三份。把下载的pth文件解压复制到当前用户目录的.easyocr里的model文件夹里，代码就能识别了，比较之下发现效果远比不上paddleocr，和网文说的easyocr中文效果更佳截然相反，是否模型文件有待更新呢，还是paddleocr进步了，肯定的是事件总在不断变化中，实践一下至少能知道当前节点是哪一趋向......

13日续：
接着测试了muggle_ocr和dddd_ocr，按介绍这两个ocr都是用来应对登录界面的验证码，试验的效果确实如此，包括复杂图形的图片基本识别不了文字，对简单的几个字母还算有效，比较起来dddd更强，muggle会有识别不全。这俩都依赖tensorflow，这货是基于学习的视觉识别项目，前段时间试用时因没装独显就搁置了，竟然用在了验证码识别上，妥妥的野牛刀砍蜗牛。

pip install ddddocr

学习，常人哪有过目不忘的，勤为径，勉为舟，起步之初，把自己当笨鸟看，学了练，练了学，路子渐于熟稔，视野逐于开阔，不求立于名则树于己。