python简体识别_用Python&Tesseract识别图片文字

用

Python&Tesseract

识别图片文字

作者：刘志军，

6

年

+Python

使用经验，

高级开发工程

师，目前在互联网医疗行业从事

Web

系统构架工作个人公

众号：

Python

之禅(微信

ID

：

vttalk

)题图：

https://unsplash.com/@alvaroserrano

在一个项目中遇到这

样的需求，要把一堆图片中的文字识别出来并分门别类地保

存数据库，上万字纯手工敲是下下策，网上有很多图片转文

字的在线服务，单张图转没什么问题，可惜大批量的图缺乏

定制化，爱捣鼓的程序员还是自己动手靠谱，开源项目

Tesseract

专用于

OCR

识别，它的应用场景非常多，比如

验证码识别、车牌识别、普通的文字图片识别都不是问题。

安装

Linux

和

Mac

平台的安装非常简单，直接命令行安装

即可，默认只有英文语言包，汉语包需要额外指定

sudo

apt-get install tesseract-ocr

# ubuntubrew install

tesseract

# macOSWindows

平台需要二进制安装包，官

方下载地址

https://github.com/tesseract-ocr/tesseract/wiki/4.0-with-LS

TM#400-alpha-for-windows

，

安装时需要选择中文语言包才

是识别汉字配置安装完成后，需要设置两个环境变量

$PATH

和

$TESSDATA_PREFIX

，

如果不指定后面会报错，

把

tessertact

的安装路径加入

PATH

变量中，