Python离线安装并使用Easyocr识别图片

---

背景

由于近期有许多资料要从照片转成电子文档，且所使用的电脑不能连接互联网。要解决这个问题，我想到离线安装Easyocr来识别图片。

---

安装环境

参考文章：史上最全最详细的Anaconda安装教程
我用的是Anaconda3-5.3.1-Windows-x86_64和Pycharm-professional-2019.1，Anconda自带的是Python 3.7.0版本。

---

离线安装Easyocr

参考文章：pip download与pip install简介
参考文章：呕心沥血整理，python离线安装第三方库（带疑难杂症实例）！！！
参考文章：ImportError: cannot import name ‘OrderedDict‘ from ‘typing‘ (D:\Programming-language-program\Anacond
打开Anaconda3 Prompt,把路径改到Anaconda自带Python的位置，首先要按照提示升级pip、还有对应的pyhamcrest或者其他需要的基础包，下载可以按上面的方法，也可以到Pypi上下载，这些基础包也要一并导入到离线电脑中去。
升级完后，用pip download -d <指定放离线包的位置> -i https://pypi.tuna.tsinghua.edu.cn/simple（使用清华镜像源，可以让下载速度更快）

(base) C:\Users\Administrator>cd D:\ProgramData\Anaconda3
(base) C:\Users\Administrator>d:
(base) D:\ProgramData\Anaconda3>pip download easyocr -d  D:\Easyocrwhl -i https://pypi.tuna.tsinghua.edu.cn/simple

下载成功后会出现：

Successfully downloaded easyocr opencv-python-headless numpy torchvision torch Pillow ninja pyclipper python-bidi PyYAML scikit-image scipy Shapely imageio networkx packaging PyWavelets tifffile requests six typing-extensions certifi charset-normalizer idna urllib3`

我是按照由后至前的顺序，一个个安装，当然也可以试试参考文章：pip download与pip install简介中的多个包一起安装。
安装过程中必不可少的会出现问题，可以先跳过，安装下一个，碰到最多的问题是：

(base) D:\ProgramData\Anaconda3>pip install "D:\Easyocrwhl\imageio-2.28.1-py3-none-any.whl"
Processing d:\easyocrwhl\imageio-2.28.1-py3-none-any.whl
Requirement already satisfied: numpy in d:\programdata\anaconda3\lib\site-packages (from imageio==2.28.1) (1.21.6)
Requirement already satisfied: pillow>=8.3.2 in d:\programdata\anaconda3\lib\site-packages (from imageio==2.28.1) (9.5.0)
Installing collected packages: imageio
  Attempting uninstall: imageio
    Found existing installation: imageio 2.4.1
ERROR: Cannot uninstall 'imageio'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

在结尾加上 –ignore-install就好了

pip install "D:\Easyocrwhl\imageio-2.28.1-py3-none-any.whl" --ignore-install

安装完后import一下，没问题就基本可以了（实际上还有问题~~）
在使用的时候会出现ImportError: cannot import name ‘OrderedDict‘ from ‘typing‘ (D:\Programming-language-program\Anacond解决完这个问题就没事了。简单分析一下原因，大概是版本不一致的原因，我的anaconda的虚拟环境python版本是3.7，typing这个文件里面并没有OrderedDict这个模块，需要从typing_extentions中导入OrderedDict。直接参考第三篇吧

最后还要下载三个模型库（zh_sim_g2.pth是第二代中文模型库，english_g2.pth是第二代英文模型库，必不可少的craft_mlt_25k.pth是文本检测模型）下载地址，把三个下载的模型文件解压后拷贝到当前登录的用户目录的.EasyOCR\model文件夹下，没有就自己新建，否则运行EasyOCR识别的时候它会要求联网下载，而我们要求的是离线。Windows系统为：C:\Users\ <username>\ .EasyOCR\model

---

简单使用Easyocr

Easyocr技术文档
下面这一段是识别单张图片（注意：图片的名字和路径不能带中文，否则会出错）

import easyocr
def easy_ocr(picfullname=r'D:\picture\4.3.254.jpg'):
    reader = easyocr.Reader(['ch_sim','en'],gpu=False)# 'ch_sim'简体中文识别模型、'en'英文识别模型，没有gpu的话需要加上gpu=False
    result = reader.readtext(picfullname,detail=0)#detail=0是识别后没有详细说明，detail=1是识别后有详细说明
    print(result)

下面这一段是识别一个文件夹（picture）中所有的图片（注意：图片的名字和路径不能带中文，否则会出错），然后将识别结果保存到另一个文件夹（answer）中的Excel（带图片链接）和Txt中。（仅供参考，整体代码较简单，就不详细解说了，避免冗长）

import os
import openpyxl as op
import time
import easyocr

picpath=r'D:\picture'#自定义图片存放位置
answerxlsx_path=r'D:\answer\answer.xlsx'#自定义识别库Excel存放位置
answertxt_path=r'D:\answer\answer.txt'#自定义识别库Txt存放位置
txt=[]#图片识别列表
hylink=[]#图片链接列表

def easy_ocr(picfullname=r'D:\picture\4.3.254.jpg'):
    reader = easyocr.Reader(['ch_sim','en'],gpu=False)# 'ch_sim'简体中文识别模型、'en'英文识别模型，没有gpu的话需要加上gpu=False
    result = reader.readtext(picfullname,detail=0)
    print(result)
    txt.append(''.join(result))
    print(txt)
    return txt

def know():
#####################识别####################
    start_time = time.time()
    picnames = os.listdir(picpath)
    n=0
    for picname in picnames:
        picfullname = picpath+'\\'+picname
        n+=1
        print('开始识图：第%s张'%n)
        txt=easy_ocr(picfullname)
        hylink.append(picfullname)
    end_time = time.time()
    t = (end_time - start_time) / 60
    print('识图完成，用时%s分钟！！！' % t)

def answer():
    print('开始创建识别库。。。')
    answer_path=r'D:\answer\answer.xlsx'
    wb = op.load_workbook(answerxlsx_path)
    sheet = wb['Sheet1']
    sheet.delete_cols(1,1)
    for i in range(len(txt)):
        sheet.cell(i+1,1,txt[i])
        sheet.cell(i+1,1,txt[i]).hyperlink=hylink[i]
    wb.save(answerxlsx_path)
    f = open(answertxt_path, 'w')
    for p in range(len(txt)):
        f.write('第'+str(p)+'张'+hylink[p]+'\n'+txt[p] + '\n')
    f.close()
    print('识别库已生成！！！')


if __name__=='__main__':
    know()
    answer()

---

最终效果图如下：
可以看到全文字的话效果还是很好的，带框图的乱码就较多了，权衡使用吧。

---

作者语

本着白嫖多年、回馈社会的态度，写下这篇文章，希望对你有所帮助，有不到位之处请多多包涵，有疑问请留言，我会尽力回答。