文本识别之Tesseract安装

1.概述

OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。

tesseract下载地址：Index of /tesseract

进入下载页面，可以看到有各种.exe文件的下载列表，这里可以选择下载3.0版本。

其中文件名中带有dev的为开发版本，不带dev的为稳定版本，可以选择下载不带dev的版本，例如可以选择下载tesseract-ocr-setup-3.05.02.exe。

2.安装Tesseract

此时可以勾选Additional language data(download)选项来安装OCR识别支持的语言包，这样OCR便可以识别多国语言。然后一路点击Next按钮即可。

3.配置环境变量

为了在全局使用方便，比如安装路径为D:\工具\Tesseract-OCR，将该路径添加到环境变量的path中

配置完成后在命令行输入tesseract -v，如果出现如下图所示，说明环境变量配置成功

4.pycharm安装pytesseract

pip install -i Simple Index pytesseract

根据路径找到pip装的pytesseract.py

  保存后去运行程序会发现没办法使用pytesseract库，它还是会报错，这是由于环境变量也要进行设置。

点开我的电脑—》属性—》高级系统设置—》环境变量，新建一个变量：路径还是你刚刚安装的Tesseract-OCR路径，但是要将它定位到其中的tessdata，变量名也一定不能改。

 

保存后，请一定要重启，然后在去运行程序就可以使用pytesseract库了。