Python 进行 OCR识别 -- pytesseract库

pip install pytesseract

报错：tesseract is not installed or it's not in your path

• 下载安装 Tesseract-OCR
  • https://pan.baidu.com/s/1qXumxdltxOnb0geaE_1U-Q
• 修改 pytesseract 源码中的路径
  • 文件位置：Python安装目录\Lib\site-packages\pytesseract\pytesseract.py
  • 将 tesseract_cmd 的值 改为 Tesseract-OCR 的安装路径\tesseract.exe
    
    

识别中文需要新的字库

• https://pan.baidu.com/s/1GfspC5uef73B2Oa8YudBgQ
• 将下载的中文库放在 Tesseract-OCR 安装目录下的 tessdata 文件夹中

图片：English.png

图片：Chinese.png

识别

import pytesseract
from PIL import Image

im_en = Image.open('English.png')
im_ch = Image.open('Chinese.png')

print('========识别字母========')
print(pytesseract.image_to_string(im_en), '\n\n')

print('========识别中文========')
print(pytesseract.image_to_string(im_ch, lang='chi_sim'))

结果