使用pytesseract识别中文字符
环境的安装可以参考:https://editor.csdn.net/md/?articleId=109255325
首先,需要下载相应的数据集,可以自行搜索官网,下载chi_sim.traineddata
链接:
百度网盘:
链接:https://pan.baidu.com/s/1Z79jcrMwumlDHEXRyk82eg
提取码:pxwh
将这个数据集放入安装的Tesseract-OCR\tessdata中
我使用的是anaconda安装。
然后就是几行代码实现中文字符的识别:
# 导入模块和包
from PIL import Image
import pytesseract
# 打开需要识别的图片
img = Image.open('1.jpg')
# 识别图片,指定lang = ‘chi_sim’即可识别中文
content = pytesseract.image_to_string(img, lang = 'chi_sim')
# 输出打印一下
print(content)
这里附上这个所有识别字体的数据包
链接:https://pan.baidu.com/s/1FdAwdIVUGhBk0jA_V4i62g
提取码:lfel