文字识别 pytesseract

可以使用Python中的OCR技术来实现图片提取文字。OCR（Optical Character Recognition）光学字符识别技术，可以识别图像中的文字并将其转换为文本。常用的Python OCR库包括pytesseract、opencv-python等。

以下是一个简单的示例代码，使用pytesseract库实现图片文字提取：

import pytesseract
from PIL import Image

# 打开图片文件
image = Image.open('image.png')

# 使用pytesseract库提取文字
text = pytesseract.image_to_string(image, lang='chi_sim+eng')

print(text)

其中，'image.png’为要提取文字的图片文件名，lang='eng’指定使用英语语言进行识别。如果需要识别其他语言，则需要下载对应的语言包并进行配置。

安装方法：

Ubuntu
You can install Tesseract and its developer tools on Ubuntu by simply running:

pip install pytesseract

sudo apt install tesseract-ocr
sudo apt install libtesseract-dev
sudo apt install tesseract-ocr-chi-sim

Note for Ubuntu users: In case apt is unable to find the package try adding universe entry to the sources.list file as shown below.

sudo vi /etc/apt/sources.list

Copy the first line “deb http://archive.ubuntu.com/ubuntu bionic main” and paste it as shown below on the next line.
If you are using a different release of ubuntu, then replace bionic with the respective release name.

deb http://archive.ubuntu.com/ubuntu bionic universe