Tesseract + Python

安装程序

Tesseract有如下安装网址

https://tesseract-ocr.github.io/tessdoc/Installation.html

进入download网站

Downloads | tessdoc (tesseract-ocr.github.io)

对于windows操作系统，登录进入如下网站下载

https://digi.bib.uni-mannheim.de/tesseract/

然后将下载后的软件安装到电脑。选择需要的语言的组件（components）。比如，此处选择了汉

语的简体和繁体，以及其它学习的语言。

最后显示安装成功。

在电脑环境变量中安装Tesseract，

这个时候，就会在电脑

解决问题  将png图片数据转化为xlsx文件数据

当我们在pyhton中使用 pytesseract库的时候， pip install pytesseract安装完。

但是，它并不能识别出图片内容，并且会抛出异常： pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it’s not in your PATH. See README file for more information.

这是因为缺少了一个重要的程序：tesseract。

为了解决这个问题，安装了tesseract程序并配置环境变量。

 

 

安装并配置完毕后，电脑程序上会出现 Console平台，这个和CMD类似。在Console平台上也可以运用python程序。

下面是一段由"BingChat Gptplus"（ https://gptplus.io/cn ）生成的一段代码。

"""

这段代码由chatGPT生成。PNG图片是一个表格的截图，现在将表格截图重新生成xlsx文件，以便利用其数据。
"""

import pandas as pd
import cv2
import pytesseract

# 读取PNG图片
image = cv2.imread('table.png')

# 使用Tesseract OCR库识别图片中的文字
text = pytesseract.image_to_string(image, lang='chi_sim')

# 将识别的文字转换为DataFrame
rows = text.split('\n')
data = []
for row in rows:
    if row.strip() == '':
        continue
    data.append(row.split('\t'))
df = pd.DataFrame(data)

# 将DataFrame保存为Excel
df.to_excel('table.xlsx', index=False)

因为选择将这段代码放在E盘，所以打开Console后，进入E盘，并执行test.py程序。

 于是运行程序。成功地将png图片数据转化为xlsx文件数据。