Python2.7利用Tesseract進行中英文圖像識別

垃圾啊

背景環境:  win8.1  64位   python2.7.13  

本以爲會很簡單，結果在配置環境這塊上花了很多時間，踩了幾個坑，最後自己看英文文檔和log才解決問題。

打開網站  

https://pypi.python.org/pypi/pytesseract  

https://github.com/tesseract-ocr/tesseract/wiki

https://github.com/tesseract-ocr/tesseract/wiki/Downloads

http://www.pythonware.com/products/pil/

找到並下載安裝tesseract-ocr-setup-4.00.00dev.exe文件   下載中文訓練庫chi_sim.traineddata 

將安裝文件路徑  添加到環境變量中的PATH 和 Path中去 ，在系統變量中添加一個TESSDATA_PREFIX，變量值還是文件路徑

我的是D:\programfiles\tesseract\Tesseract-OCR

打開cmd安裝  pip install pytesseract    

 

去C:\Python27\Lib\site-packages 下找到PIL卸載 然後 去下載 PIL-1.1.7.win32-py2.7.exe  並安裝 

# -*- coding: utf-8 -*-
try:
    import Image
except ImportError:
    from PIL import Image
import pytesseract

img = Image.open('test2.png')
img.load()
text = pytesseract.image_to_string(img, lang='chi_sim')
print(text)

最後找張png的圖放在和這個文件同目錄下   完事了  

幾個坑: 
:from . import VERSION, PILLOW_VERSION, _plugins ueError: Attempted relative
不知道什麼鬼，後來直接把C:\Python27\Lib\site-packages\PIL 給刪了 重新安裝這個庫
pytesseract.pytesseract.TesseractError: (1, u'Error opening data file D:\\programfiles\\tesseract\\Tesseract-OCR/chi_sim.traineddata')
這裏需要將chi_sim.traineddata放在指定目錄下，而不是 $path\tessdata\tessconfigs下 

總結:  看官方教程  百度上搜索的太舊了   stackoverflow 也是  

 

I'm fish, I'm on.