任务
在Windows10系统下,用python,在jupyter notebook里,借助Tesseract-OCR对视频中的字幕进行识别提取。
目录
Ⅰ下载并安装Tesseract-OCR
下载:https://digi.bib.uni-mannheim.de/tesseract/
安装详情:https://www.jianshu.com/p/f7cb0b3f337a
cmd调出命令行输入pip3 install pytesseract
设置环境变量:Win+R打开命令行👉输入sysdm.cpl打开系统属性👉上边栏-高级👉环境变量(N)👉系统变量(S)👉选择Path-编辑👉添加新的环境变量,路径就写Tesseract-OCR程序的安装位置,例如我:F:\Tesseract-OCR。
将已经做过中文识别训练chi_sim.traineddata简体中文语言包存入F:\Tesseract-OCR\tessdata文件夹中。
把语言文件拷贝到此处tessdata目录后,在tessdata文件夹处cmd调出命令行中输入 tesseract –v 测试安装 tesseract –list-langs测试语言包。eng和osd是别的语言包。
<