pycharm 以及tesseract OCR安装教程

pycharm安装

具体参考下面两个网址：

https://www.cnblogs.com/pupilheart/p/9853071.html

https://blog.csdn.net/limin2928/article/details/69267184

 

tesseract等配置安装：

1.pycharm设置中，点击右边加号安装pytesseract和Pillow。

或者在cmd中输入pip install pytesseract 可能也能安装吧，我是直接在pycharm中之间安装的。

 

2.tesseract-OCR引擎安装下载可从GitHub上下载：https://github.com/tesseract-ocr/tesseract/识别中文需要安装3.0之后的版本,按照提示安装就行。

完成之后打开cmd也就是命令行模式输入：pip install tesseract(python3.0以上的朋友下载python解析器的时候自带pip，不用再下载pip了)

若出错可以参考文章添加环境变量 https://www.cnblogs.com/hupeng1234/p/7136442.html

 

3、下载chi_sim.traindata字库。要有这个才能识别中文。下好后，放到Tesseract-OCR项目的tessdata文件夹里面。

https://pan.baidu.com/s/1ntlYKsx

（第二步中如果已经选了中文语言就不需要这一步了！！！）

 

4、下载jTessBoxEditor，这个是用来训练字库的。

下载jTessBoxEditor，地址https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/；解压后得到jTessBoxEditor，由于这是由Java开发的，所以我们应该确保在运行jTessBoxEditor前先安装JRE（Java Runtime Environment，Java运行环境）。

 

文字识别步骤

方法一：可以用命令行来提取图片中文字  E盘为图片所在目录；输入‘tesseract’ 、图片名称 、存储的txt名称、解析的语言种类命令

方法二：pycharm中输入代码

from PIL import Image
import pytesseract
text=pytesseract.image_to_string(Image.open('07.jpg'),lang='chi_sim')
print(text)
file_handle=open('07.txt',mode='w')
file_handle.write(text)
file_handle.close()