python识别图片中的文本保存到word中

python可以使用第三方库pytesseract实现图像的文本识别，并将识别的结果保存到word中，代码本生不复杂pytesseract环境有点麻烦这里整理总结一下

一、简介

Tesseract是一个 由HP实验室开发 由Google维护的开源的光学字符识别（OCR）引擎，可以在 Apache 2.0 许可下获得。它可以直接使用，或者（对于程序员）使用 API​​ 从图像中提取输入，包括手写的或打印的文本。

二、包安装

pip install pytesseract

三、代码

import pytesseract
from PIL import Image
from docx import Document

def convert_image_to_editable_docx(image_file, docx_file):
    # 读取图片并进行OCR识别
    image = Image.open(image_file)
    # 使用pytesseract调用image_to_string方法进行识别，传入要识别的图片，lang='chi_sim'是设置为中文识别，
    text = pytesseract.image_to_string(image, lang='chi_sim')

    # 创建Word文档并插入文本
    doc = Document()
    doc.add_paragraph(text)
    doc.save(docx_file)

# 示例用法
input_image = "1.png"   # 输入图片文件路径
output_docx = "output.docx"   # 输出Word文档路径

convert_image_to_editable_docx(input_image, output_docx)

四、Tesseract的常用网址
下载地址：https://digi.bib.uni-mannheim.de/tesseract/
官方网站：https://github.com/tesseract-ocr/tesseract
官方文档：https://github.com/tesseract-ocr/tessdoc
语言包地址：https://github.com/tesseract-ocr/tessdata
语言包国内地址：https://gitcode.com/mirrors/tesseract-ocr/tessdata/tree/main?utm_source=csdn_github_accelerator&isLogin=1

五、安装

我下载的是：tesseract-ocr-w64-setup-v5.1.0.20220510.exe

我的安装地址是：D:\Program Files\Tesseract-OCR

六、设置环境变量

path中添加

新增：TESSDATA_PREFIX

下载语言包：语言包国内地址：https://gitcode.com/mirrors/tesseract-ocr/tessdata/tree/main?utm_source=csdn_github_accelerator&isLogin=1

下载如下这几个包，放到D:\Program Files\Tesseract-OCR\tessdata

七、验证环境变量

1.查看是否安装成功
打开cmd，输入tesseract -v回车，若显示版本号即为安装成功。

2.查看已经安装的语言
在cmd中输入tesseract --list-langs回车，若显示版本号即为安装成功。

八、效果

1.png图片

识别后的效果