我笑了...pytesseract是这么简单的model

概要

---

Python语言中，pytesseract是用于验证码、字符识别的常用model。研究OCR期间，接触到这个模块。深究其源码，才明白，这个库是如此简单。

安装：
首先安装依赖:PIL、Image、tesseract-ocr，然后：

pip install pytesseract

pytesseract在官网上说了自己是个wrapper，真正干活的是tesseract-ocr，即tesseract光学字符识别引擎。所以，这个模块就是个接口。

Tesserarct识别引擎

---

esseract-ocr是Google在维护的一个开源项目，本体是HP实验室在1993年完成的，功能强大。（关于更多，见结尾提示。）

在Tesseract的世界里，有且只有一条命令，展示了其强大功能：

Usage:
tesseract imagename|stdin outputbase|stdout [options…] [configfile…]

举例来说，对一张需要识别的chinese.png图片：

在cmd/terminal输入：tesseract chinese.png output -l chi_sim （*式）

就可以得到如下output.txt文本：

如此简单纯粹，缺点就是单线程。

pytesseract模块

---

这是一个Wrapper：

Python-tesseract is a python wrapper for google’s Tesseract-OCR

所以，其底层就是Tesseract识别引擎，只是用Python语言来封装罢了。那么，封装的过程是怎样的呢？

我知道这5步中的关键方法（functions）在各位读者眼里并不是那么通俗易懂。BUT！认真的读者只要去看pytesseract模块的源码（only 202 lines）就能知道这些函数。

Anyway，请看第3步，在run_tesseract()函数“拼接好tesseract本地调用命令”。什么是本地调用命令？

还记得上面的（*式）嘛？

tesseract chinese.png output -l chi_sim

再看第4步，“执行调用命令”，就是把（*式）放在cmd/terminal里。

就这样，对于上述chinese.png，也可以得到output.txt文件了。

至此，就是为什么我说“pytesseract是这么简单的model”……

结语

---

我笑了…是的，只是开心而已！第一次解析Python的Model，以前pip install model’name 的时候，内心觉得官方源码一定很难，现在看倒未必！

此后，希望大家多多阅读源码，没有那么难的。

欢迎关注我的微信公众号“谷震平的专栏”，长按下面的二维码即可关注：

想了解更多Tesseract的朋友，可关注微信公众号并回复“T的简介”；
想阅读pytesseract源码的朋友，可关注微信公众号并回复“PYT源码”。