7_1 tesseract 安装及使用
1、 安装tesseract
OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。
tesseract下载地址：
链接：https://pan.baidu.com/s/1WyduWNeu4OK38sx4FZIhvQ
提取码：hcfl
https://digi.bib.uni-mannheim.de/tesseract/
进入下载页面，可以看到有各种.exe文件的下载列表，这里可以选择下载4.0版本。
接下来，为了在python代码中使用tesseract功能，使用pip安装pytesseract：
pip install pytesseract
2、配置环境变量
为了在全局使用方便，比如安装路径为D:\install\tesseract-ocr-v4.0.0\Tesseract-OCR，将该路径添加到系统环境变量的path中
并且增加系统环境变量TESSDATA_PREFIX 变量值中的路径为D:\install\tesseract-ocr-v4.0.0\Tesseract-OCR\tessdata
配置完成后在命令行输入tesseract -v，如果出现如下图所示，说明环境变量配置成功
3、验证安装（命令行）
接下来，我们可以使用tesseract进行测试。
我们以如下图所示的图片为样例进行测试。
用命令行进行测试，将图片下载到D盘pythonTest文件夹，保存为test.jpg，然后在该文件夹中打开命令行，用tesseract命令测试：
tesseract test.jpg result
会在test.jpg目录下生成result.txt文件结果
4、识别中文字体（命令行）
如果安装时没有下载中文字体（FQ下载勾选了就有）就需要自已添加中文字体库
4.1 下载
链接：https://pan.baidu.com/s/1QpdXJrlFVvgBsGT0Ly4Xpw
提取码：amt0
https://blog.csdn.net/weixin_44606217/article/details/103732151
把下载的中文训练库放入D:\install\tesseract-ocr-v4.0.0\Tesseract-OCR\tessdata中
4.2 测试
应用中文字体图片，测试和步骤3方法相同。
查看能识别的语言：
chi_sim 代表中文简体。
5、利用Python代码来测试
1 """tesseract""" 2 3 4 from PIL import Image 5 import pytesseract 6 7 # 识别英文 8 image = Image.open(r'D:\pythonTest\4.jpg') 9 text = pytesseract.image_to_string(image) 10 print(text) 11 12 # 识别中文简体 13 image_chi = Image.open(r'D:\pythonTest\2.png') 14 text_chi = pytesseract.image_to_string(image_chi, lang='chi_sim') 15 print(text_chi)
