建设部网站证书查询,域名批量注册查询,页面素材,网站开发和网络开发区别Tesserocr 的安装
OCR#xff0c;即 Optical Character Recognition#xff0c;光学字符识别。是指通过扫描字符#xff0c;然后通过其形状将其翻译成电子文本的过程。那么对于图形验证码来说#xff0c;它都是一些不规则的字符#xff0c;但是这些字符确实是由字符稍加扭…Tesserocr 的安装
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。那么对于图形验证码来说它都是一些不规则的字符但是这些字符确实是由字符稍加扭曲变换得到的内容。
Tesserocr 是 Python 的一个 OCR 识别库但其实是对 Tesseract 做的一层 Python API 封装所以它的核心是 Tesseract
安装步骤
一、安装tesseract
win10电脑中安装tesseract可以进入该网址进行下载 Index of /tesseract
文件名中带有dev的为开发版本不带dev的为稳定版本。
下载完成之后双击安装即可在安装过程中可以勾选上 Additional language data 选项安装 OCR 识别支持的语言包这样 OCR 便可以识别多国语言。不勾选可自行下载语言包添加至essdata目录下。 二、配置环境 打开安装目录并拷贝 点击此电脑右键属性-高级系统设置-高级-环境变量 在这两个path中均添加tesseract-ocr的安装路径 在系统变量中新建一个变量TESSDATA_PREFIX。值为刚刚的路径加上\tessdata。
三、安装tesserocr包
在Pycharm终端执行 pip install tesserocr pillow 若安装失败则通过.whl文件安装。
下载地址 Releases · simonflueckiger/tesserocr-windows_build (github.com) 找对应版本本例为tesserocr-2.6.2-cp37-cp37m-win_amd64
本例下载至D盘下载完成后在终端执行 pip3 install D:/tesserocr-2.6.2-cp37-cp37m-win_amd64.whl 可以发现安装完成。
四、测试
测试代码如下 import tesserocrfrom PIL import Imageimage Image.open(test.png) # 验证码图片可自行下载result tesserocr.image_to_text(image)print(result)
五、添加语言
可以在终端执行此命令列出所有语言包 (.spider81) PS D:\Python Web\python_spider8ed tesseract --list-langsList of available languages in D:\Program Files (x86)\Tesseract-OCR\tessdata/ (4):engosdequ
结果显示其只支持几种语言如果我们想要安装多国语言还需要安装语言包官方叫做 tessdata
下载链接 https://github.com/tesseract-ocr/tessdata 比如 chi_sim 就代表简体中文
将其移动至安装路径下的D:\Program Files\Tesseract-OCR\tessdata目录下。
接下来再安装 Tesserocr 即可直接使用 Pip 安装 pip install tesserocr pillow
