Python实现图片中文字提取（OCR）_chineseocr 提取备用字

用Python提取图片中的文字，用到的工具包有PIL,pytesseract,tesseract-ocr
注意：
库的安装相对麻烦一点,一般都是不能直接安装成功的，这里总结了安装过程中的一些坑给大家参考。
（1）首先是PIL库安装，有的电脑可以直接从PYCHARM库里直接导入，但是大部分的电脑是安装不了的，可以采取两种方式一种是用pip install PIL这种方式一般比较慢，还有一种方法就是在PYCHARM库里面直接安装pillow-PIL安装成功后就不会报错了。
（2）然后就是pytesseract库的安装，在pycharm库里面可以直接搜索到然后安装。这两个库安装完成后运行代码还是会报错：‘tesseract is not installed or it’s not in your path’，原因是没有找到 Tesseract-OCR\tesseract.exe 的位置，需要先下载tesseract.exe具体安装参考：下载安装链接
安装完成后打开pytesseract源码查找 tesseract_cmd = ‘tesseract’，修改成红色方框里面是刚才安装的目录。
库安装好之后运行代码：

from PIL import Image

import pytesseract

images=Image.open('003.jpg')
print(images.size)
text=pytesseract.image_to_string(images)
print(text)
1
2
3
4
5
6
7
8

结果：


如果要提取中文文字还需安装相关的新的库，把下载的中文库放在 Tesseract-OCR 安装目录下的 tessdata 文件夹中。
下载链接：中文库下载
下载完之后运行代码：

import pytesseract
from PIL import Image

im_en = Image.open('003.jpg')
im_ch = Image.open('004.jpg')

print('========识别字母========')
print(pytesseract.image_to_string(im_en), '\n\n')

print('========识别中文========')
print(pytesseract.image_to_string(im_ch, lang='chi_sim'))

1
2
3
4
5
6
7
8
9
10
11
12

结果：


至此实现了用Python的工具包实现OCR字符提取的功能，包括中文和英文字符的提取，一个简单的小例子啦~~