環境
- Python 3.6.3
- pip 9.0.1
- tesseract-ocr-setup-3.05.00dev.exe
- Windows10
安裝
1.tesseract-orc
Tesseract:開源的OCR識別引擎,初期Tesseract引擎由HP實驗室研發,後來貢獻給了開源軟件業,後經由Google進行改進,消除bug,優化,重新發布。
安裝的時候需要自行選擇安裝的語言,一些其他國家的語言可以不選擇安裝,我之按安裝了中文,英文和日語。安裝過程和其他軟件一樣。
2.pytesseract
pip install pytesseract
配置環境
1.設置 tesseract-orc路徑
默認情況下tesseract-orc是不被添加到系統的path路徑的,這樣在使用的時候發生FileNotFoundError: [WinError 2] 系統找不到指定的文件
錯誤。
解決方法:
* 方法1:將 C:\Program Files (x86)\Tesseract-OCR
添加到系統路徑(路徑因安裝過程而異)
* 方法2:修改pytesseract.py文件,修改方法如下
- 設置訓練集的位置
下載的默認訓練集也沒有添加到系統路徑,會報錯pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\tessdata/chi_sim.traineddata')
解決方法:
設置環境變量 TESSDATA_PREFIX
C:\Program Files (x86)\Tesseract-OCR\tessdata
實例程序
import pytesseract
from PIL import Image
image = Image.open('test.png')
code = pytesseract.image_to_string(image)
print(code)