使用Python中的pytesseract模块实现抓取图片中文字

一、需求分析

最近同事用网上提供扫描软件进行扫描识别文字，每天上线只能够做两次扫描，请求我研发一个小工具帮助解决识别图片的中文字。

二、方案选择

使用pytesseract模块可以解决这个需求问题，pytesseract是光识别图片的模块。需要安装第三方资源库进行搜索。

三、实验实操

3.1、配置环境

Anaconda3.0，pycharm2022版，python3.7.0，win10

3.2、 Anaconda配置

先配置Anaconda3的环境，找到默认安装路径C:\Users\Administrator\.condarc(看自己环境安装哪里)

 将.condarc文件备份一个，然后加载源的配置项拷贝进去，重启Anaconda3程序，生效配置项。

加载源：

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
ssl_verify: true

3.3、安装tesseract程序

下载tesseract的exe安装文件，安装包地址：https://github.com/UB-Mannheim/tesseract/wiki

我下的是 tesseract-ocr-w64-setup-v5.0.1.20220118.exe版本。（本机是64位操作系统）

选配项中记得选择中文的语言，后期识别中文字体做准备。

 配置tesseract系统环境变量，将 tesseract-ocr的绝对路径配置在系统变量中。

【从C:\Program Files\Tesseract-OCR安装目录下，直接把tessdata 文件夹里的内容都复制到C:\Users\Administrator\Anaconda3，另外tessdata 文件夹里chi_sim.traineddata，eng.traineddata文件需要复制到C:\ProgramData\Anaconda3下，不然后面运行程序会提示找不到文件，配置好环境变量也不行！】（据说是霸王条款）

重启系统让变量生效。

3.4、安装pytesseract模块

运行Anaconda 终端命令，执行conda install tesserocr pillow

 系统已经显示我已经安装。（安装的时间有一些长，需要耐性等待。）

执行另外一个指令conda install pytesseract  (安装pytesseract,这个安装需要一点时间等待了）

 使用python语句进行验证。

3.5、见证奇迹的环节

测试1：

在pycharm编译器中执行语句操作：

from PIL import Image
import pytesseract
 
image = Image.open("粉丝.jpg") #打开图片
#print(image.size) #测试图片像素尺寸
text = pytesseract.image_to_string(image, lang='chi_sim') #图片转字符串
text = text.replace("“ ","").replace("。","") #去掉杂质，提纯
print(text) #测试结果

原图片粉丝.jpg：

 编译结果：.(已经成功识别图片内部的文字，进行呈现。)

测试2：

原图2

测试结果：可以正常识别图片文字出来了。

参考网友知识：

python提取图片中的文字

anaconda+python+tesseract安装，亲试可用

到此这篇关于使用Python中的pytesseract模块实现抓取图片中文字的文章就介绍到这了,更多相关Python pytesseract模块抓取图片中文字内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论