18.python爬虫—Pytesseract

18.1 Tesseract

• 定义：
  • Tesseract是一个将图像翻译成文字的OCR库(光学文字识别，Optical Character Recognition)
• 安装：
  • sudo apt-get install tesseract-ocr
• 在python中调用Tesseract
  • pip install pytesseract

18.1.1 Tesseract处理规范的文字

• 在终端中：
  • tesseract test.jpg text
• 在python代码中
  • import pytesseract
  • from PIL import Image
  • image = Image.open(jpg)
  • pytesseract.image_to_string(image)
    前提：windows安装好tesseract-ocr

18.2 实验

In：

pip install pytesseract

out：

Requirement already satisfied: pytesseract in d:\programdata\anaconda3\lib\site-packages (0.3.4)
Requirement already satisfied: Pillow in d:\programdata\anaconda3\lib\site-packages (from pytesseract) (6.2.0)
Note: you may need to restart the kernel to use updated packages.

In：

from PIL import Image
import pytesseract

In：

pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'

In：

img = Image.open("temp01.png")

In：

pytesseract.image_to_string(img)

out：

'Bute: windows22#¢Ftesseract-ocr\n\nIn [1]: pip install pytesseract'