python批量识别图片中文字_Python批量识别目录中所有图片中的所有文字

Python批量识别目录中所有图片中的所有文字并保存到txt文档中

第一步安装所需要的库（我使用的是python 3.6）1

2pip install Pillow

pip install pytesseract

第二步下载tesseract.exe文件1

2源码：https://github.com/tesseract-ocr/tesseract（无需下载）

下载地址：https://digi.bib.uni-mannheim.de/tesseract/

第三步安装tesseract1双击下载的安装文件，安装到你的电脑（我安装在：E:\Program Files\Tesseract-OCR）

第四步配置环境变量（必须否则会报错）1

2变量名：TESSDATA_PREFIX

变量值：E:\Program Files\Tesseract-OCR\tessdata

第五步修改pytesseract.py（必须否则会报错）1

2

3

4

5

6打开

C:\python36\Lib\site-packages\pytesseract\pytesseract.py

里面大概在24或26行

tesseract_cmd ='tesseract'

改为

tesseract_cmd ='E:/Program Files/Tesseract-OCR/tesseract.exe'

第六步下载中文字体包（如果你要识别中文的话）1

2

3https://github.com/tesseract-ocr/tessdata

找到chi_sim.traineddata，下载到本地后存放到E:\Program Files\Tesseract-OCR\tessdata目录

运行 E:\Program Files\Tesseract-OCR\tesseract --list-langs 可以查看你目前支持的字体库

第七步上代码如下：'''

Python批量识别

目录中所有图片中的所有文字

并保存到txt文档中

'''

from PIL import Image

import pytesseract

import string,re,os

def imgtostr(imgpath):

'''识别图片中的所有文字'''

image = Image.open(imgpath)

text=pytesseract.image_to_string(image,lang='chi_sim') #调用识别引擎识别

text=text.replace("\n","") #去换行

return text

def writefile(path,strstr):

'''将文字累加写入txt文档'''

with open(path+'/word.txt',"a", encoding= "utf-8") as f:

f.write(strstr)

f.write("\n\n")

if __name__ == '__main__':

print("\n")

path = input('请输入要识别的图片目录：')

print("\n.................start\n")

for foldName, subfolders, filenames in os.walk(path):

toltal = 0

for fe in filenames:

grpaimg = path + '/' + fe

print(grpaimg)

textddd = imgtostr(grpaimg)

writefile(path,grpaimg+":\n"+textddd)

print(textddd, end="\n\n")

print(".................end")