2021-10-17【Python3.8+pytesseract+Tesseract-OCR5.0图片文字识别】

【Python3.8+pytesseract+Tesseract-OCR5.0图片文字识别】

1.环境
python版本：3.8.x
操作系统：windows 10系统
2.工具安装和配置
1.下载安装 tesseract-ocr 下载最新的x64版本，跟自己系统版本对应的一个：官网地址 https://digi.bib.uni-mannheim.de/tesseract/
2.下载安装Pycharm（下载地址：http://www.jetbrains.com/pycharm/download/#section=windows）
3.添加环境变量64位系统：TESSDATA_PREFIX = C:\Program Files\Tesseract-OCR\tessdata
4.编辑文件：C:\Python38\Lib\site-packages\pytesseract\pytesseract.py
tesseract_cmd = ‘tesseract’
#改为：
tesseract_cmd = ‘C:\Program Files\Tesseract-OCR\tesseract.exe’

1.使tesseract-ocr与python关联，从而使python能够调用Tesseract-OCR程序识别验证码/文字，否则会处问题报错：
FileNotFoundError: [WinError 2] 系统找不到指定的文件。

2. 注意：一定要注意/与\的区 分，window系统和linux系统对斜杠的区别

3.再安装相关python包
到C:\Python38\Scripts目录下，按住shift+鼠标右键，在此处打开命令，window10是Power Shell，进行安装执行，如果需要升级pip命令的话先升级，再执行

pip install Pillow
pip install pytesseract

4.使用
导入包，开始测试代码
from PIL import Image
import pytesseract

识别的图像的字符串

print(pytesseract.image_to_string(Image.open(‘test.png’)))

指定语言识别图像字符串,eng为英语

print(pytesseract.image_to_string(Image.open(‘test.png’), lang=‘eng’))

image = r’E:\pythonScript\Model\code\10000.jpg’
text = pytesseract.image_to_string(Image.open(image)).strip() # 使用image_to_string识别验证码
text1 = pytesseract.image_to_string(image,lang=‘eng’,config=’–psm 6 --oem 3 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ’).strip() # 使用image_to_string识别验证码
print(‘读取到的验证码为: %s’ % text)
print(‘读取到的验证码为: %s’ % text1)

new_pic_file = ‘./newcode.png’
img.save(new_pic_file)

img.show()

使用image_to_string识别验证码

text = pytesseract.image_to_string(Image.open(new_pic_file), lang=‘eng’).strip() # 使用image_to_string识别验证码
#log.info(“读取到的验证码为: %s” % text)
new_text = text.replace(’ ', ‘’).replace("\n", “”) # 替换空行及空格
print(‘读取到的验证码为: %s’ % new_text)
os.remove(new_pic_file)
在此需要告诉新手的其中test.png是存放在py脚本的目录下，lang='chi_sim’代表中文识别，如果不加无法识别中文

5.运行脚本可以看到结果
虽然可以识别验证码了，但是这工具识别很不准确，除非没有什么干扰的验证图片才好些。只能识别还是不那么好啊。
特别提醒：如果步骤完全正确，但是运行报错,请卸载pytesseract重新安装问题就会解决
卸载命令：
pip uninstall pytesseract