使用过程中都是错误,不是找不到训练数据,就是路径不对,还好最终解决
不用爬虫就可以图片转换文字了,爽~
下面是步骤,一步一步来就行了,规避了错误的发生
1、如果是几张图片可以在线转
2、如果是很多,可以用程序批量转
软件环境:python3.5,pycharm
安装 pytesseract,Pillow 可以在pycharm上搜索安装
安装 tesseract-ocr
https://github.com/UB-Mannheim/tesseract/wiki
这是非官方下载包,下载并安装4.0: https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.0.0-alpha.20170804.exe
安装时注意勾选简体中文,默认安装,安装完毕后,敲命令(看看装的怎么样了,支持什么语言):
cd C:\Program Files (x86)\Tesseract-OCR
tesseract
tesseract -v
tesseract --list-langs #查看Tesseract-OCR支持语言
3、改文件:
C:\Python3\Lib\site-packages\pytesseract\pytesseract.py,找到这两行:
# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
tesseract_cmd = 'tesseract'
改为这样:
# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
#tesseract_cmd = 'tesseract'
tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'
4、配置环境变量(根据你的安装目录来)
path 中加入 C:\Program Files (x86)\Tesseract-OCR
再建一个 TESSDATA_PREFIX 变量值是 C:\Program Files (x86)\Tesseract-OCR\tessdata
5、重启pycharm(很重要)
6、测试
from PIL importImageimportpytesseract
text= pytesseract.image_to_string(Image.open('ci.png'), lang='chi_sim')print(text)
参考: