windows安装tesseract-OCR及使用

tesseract是Python的一个OCR(光学字符识别)库

首先下载tesseract的exe安装文件   https://github.com/UB-Mannheim/tesseract/wiki

安装时可以将语言包选上（比如不选择的话，默认的只能解析英文）

配置环境变量

配置完成后：

cmd输入命令

 输入命令tesseract  --list-langs 可以支持的语言：

 

 

这是我要识别的图片

 这是识别出来的文字：成功率还是很高的

摘 要: 为高效精确地提取存在于互联网中的灾害主题网页文本信息,引入本体语义,提出一种新的灾害主题疏虫
策略。给出本体语义支持的灾害主题疏虫框架和流程,改进本体概念语义相似度计算方法,利用语义相似度计算
主题语义向量,通过 HTML 位置加权获取网页文本特征向量,并进行主题相关度计算。设计 URL 锚文本主题相关
度计算方法,分析 URL 链接优先度 ,优化疏行队列。选取地震灾害和气象灾害2 个主题进行测试与分析 ,实验结果
表明 ,该策略能有效提高稳定性和疏准率。

关键词: 主题怜虫本体;语义相似度;向量空间模型;相关度计算 ;锚文本

 

我们可以用来识别验证码