使用python获取图片中的文字

旧城等待， 2023-01-17 08:46 162阅读 0赞

### 使用tesseract来识别图片中的文字 ###

#### windows安装 ####

地址：https://digi.bib.uni-mannheim.de/tesseract/

下载exe文件后，点击运行。

如果是64位系统。安装目录最好如下所示：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj_size_16_color_FFFFFF_t_70_pic_center]

安装好后，使用管理员权限打开cmd，执行

SET TESSDATA_PREFIX=C:\Program Files\Tesseract-OCR

并把 `C:\Program Files\Tesseract-OCR`加入PATH环境变量。

安装以下第三方库：

pip install pytesseract
    pip install pillow

如果想提取中文字符，需要下载中文包，地址：

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

下载**chi\_sim.traineddata**就可以了，然后把下载的文件放到

目录`C:\Program Files\Tesseract-OCR\tessdata`下

代码：

import pytesseract
    from PIL import Image
    
    # 打开一张图片
    image = Image.open(r'image\望岳.png')
    pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
    tessdata_dir_config = r'--tessdata-dir "C:\Program Files\Tesseract-OCR\tessdata"'
    code = pytesseract.image_to_string(image, lang='chi_sim', config=tessdata_dir_config)
    print(code)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj_size_16_color_FFFFFF_t_70_pic_center 1]

#### linux(ubuntu)安装 ####

1.安装软件源

sudo add-apt-repository ppa:alex-p/tesseract-ocr

可能会遇到一个问题:

Fix ‘add-apt-repository command not found’ Error on Ubuntu and Debian //想新添加一个ppa的库,但是没有这个命令存在

执行下面的命令在重新来一遍就可以啦

执行这个命令

sudo apt-get install software-properties-common

2.更新软件

sudo apt update

3.下载tesseract 4.0

sudo apt install tesseract-ocr

4.测试安装，测试安装是否成功：

tesseract --version

出现4.00或以上就可以了

5.测试

tesseract 望岳.png result -l chi_sim

是要识别的图片, result是识别后的文字存放的txt, -l 是选项 用那个语言,eng是英语语言.chi\_sim是中文, 需要下字体库

6.字体库下载  
https://github.com/tesseract-ocr/tessdata

7.字体库放在哪

字体库要放在 tessdata文件夹里面:

/usr/share/tesseract-ocr/4.00/tessdata/

8.也可以通过Python代码来获取文字:

先安装第三方库：

sudo apt-get install python-dev python-setuptools
    sudo apt-get install libjpeg8 libjpeg62-dev libfreetype6 libfreetype6-dev
    sudo pip install pillow
    pip3 install pytesseract

import pytesseract
    from PIL import Image
    
    image = Image.open('imags/望岳.png')
    
    code = pytesseract.image_to_string(image, lang='chi_sim')
    print(code)

效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj_size_16_color_FFFFFF_t_70_pic_center 2]

## 后记 ##

【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。

也可加我**微信**【1257309054】，拉你进群，大家一起交流学习。  
如果文章对您有帮助，请我喝杯咖啡吧！

公众号

![公众号][20200317124808234.jpg]

关注我，我们一起成长~~

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj_size_16_color_FFFFFF_t_70_pic_center]: /images/20221021/58f123bbef32488c9881dbada8b6bc39.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221021/b46d227a39414848bc0013a908c5807c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221021/cdf7c9d341314beca57d008df6e126d5.png
[20200317124808234.jpg]: /images/20221021/1f90d45ee82d417fb630b1ac5c76be6c.png