因项目需要,要把业务人员上传的文件图片内容识别出来,然后获取其中的ID,在数据库中对ID进行相关操作。所以用到了pytesseract做图片转文字的识别。
pytesseract
import pytesseract
from PIL import Image
path = 'XXX'
image = Image.open(path)
text = pytesseract.image_to_string(image, lang='chi_sim') # 识别图片里的中文
print(text)
脚本很短,重点是:
安装tesseract,因为只有安装了这个软件,ocr的包才能使用。(凋了好几个包,发现里面没有方法,而安装以后就能用了)
下载链接:
https://digi.bib.uni-mannheim.de/tesseract/
安装过程中,记得在安装过程中选择语言Chinese-simple,不然图片里的中文识别出来奇奇怪怪的字母