Python提取图片中的文字信息

小鱼儿 2022-11-12 04:29 227阅读 0赞

# Python提取图片中的文字信息 #

## 使用的Python库 ##

`Python tesseract`是`Python`的一个光学字符识别（OCR）工具。也就是说，它将识别并“读取”嵌入图像中的文本。

`Python tesseract`是`Google tesseract OCR`引擎的包装器。它还可用作`tesseract`的独立调用脚本，因为它可以读取`Pillow`和`Leptonica`图像库支持的所有图像类型，包括`jpeg、png、gif、bmp、tiff`等。此外，如果用作脚本，`Python tesseract`将打印识别的文本，而不是将其写入文件。

## 程序如下 ##

import pytesseract
    from PIL import Image
    
    print(pytesseract.image_to_string(Image.open('./1A2737EC36534A6636E062FF17838D99.jpg'), lang='chi_sim'))

## 安装识别引擎tesseract-ocr ##

如果有以下报错：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3AxOTY3OTE0OTAx_size_16_color_FFFFFF_t_70_pic_center]  
则还需要安装识别引擎`tesseract-ocr`  
网上下载安装包，然后直接点击安装即可  
因为`tesseract-ocr`默认不支持中文识别，所以解压安装`tesseract-ocr`后还需[下载对应的语言包][Link 1]  
![在这里插入图片描述][20210322230109145.png_pic_center]  
安装完成tesseract-ocr后，我们还需配置一下  
在`C:\Users\ASUS\AppData\Local\Programs\Python\Python38\Lib\site-packages\pytesseract`中找到`pytesseract.py`  
打开后做如下操作:

# tesseract_cmd = 'tesseract'
    tesseract_cmd = 'D:/Tesseract-OCR/tesseract.exe'

## 环境变量设置 ##

根据这个[教程][Link 2]设置环境变量  
接下来便可以使用程序来进行文字识别提取

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3AxOTY3OTE0OTAx_size_16_color_FFFFFF_t_70_pic_center]: /images/20221022/431e215443da44ce8b9663fc53673428.png
[Link 1]: https://blog.csdn.net/input_sudo/article/details/106640807
[20210322230109145.png_pic_center]: /images/20221022/b3ca0b349e0f4fd3be655d53087f5674.png
[Link 2]: https://blog.csdn.net/weixin_42812527/article/details/81908674