python -使用pytesseract识别文字时遇到的问题

1、运行环境

    (1) win10

    (2) pycharm

    (3) python 3.5

2、下载pytesseract、pillow库

 （1）在cmd终端页面输入：pip install pytesseract

 （2）在cmd终端页面输入：pip install pillow

3、安装Tesseract-OCR软件

我们需要下载Tesseract-OCR这个软件，这里我已经将东西都打包好了放在百度云中，大家可以直接下载：

https://pan.baidu.com/s/1AqkFp6QYB_beoy_GO9aCJA

提取密码：25et

或者在网上下载其他版本的软件：

https://digi.bib.uni-mannheim.de/tesseract/

打开安装包，进行一路安装：

 

记录好自己的安装路径

 安装完之后找到tessdata目录下，将下载的chi_sim.traineddata文件放到该目录下。这样它就能识别中文了。

 

之后，我们只剩下一个东西要配一下了，在pytesseract模块中的pytesseract.py文件中去配置一下Tesseract-OCR的工作目录，这个时候我们可以通过刚刚pip安装的位置找到pytesseract.py文件，如下图：

 进入目录找到pytesseract.py文件并且打开它：

将tesseract_cmd这个变量的值改成Tesseract-OCR的安装目录即可。

现在，我们在准备一张图片，用来识别：

4、编写代码进行测试

img2text.py

#coding:gbk
import pytesseract  
from PIL import Image


# 使用pytesseract对英文进行识别，lang参数可省略
code = pytesseract.image_to_string(Image.open(r'shijian.png'),lang="eng")
print(code)
# 使用pytesseract对中文（含英文，但识别率降低）进行识别
code = pytesseract.image_to_string(Image.open(r'shuzi.jpg'),lang='chi_sim')
print(code)

测试结果：

w (p won i

#coding:gbk

import pytesseract
from PIL import Image
H

"7999999999999"

我们可以看到在画质清晰的图片中，数字文字识别比较准确。

此次问题解决到此结束。