7_1 tesseract 安装及使用

1、 安装tesseract
　　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：

链接：https://pan.baidu.com/s/1WyduWNeu4OK38sx4FZIhvQ
提取码：hcfl

https://digi.bib.uni-mannheim.de/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4.0版本。

接下来，为了在python代码中使用tesseract功能，使用pip安装pytesseract：

pip install pytesseract

2、配置环境变量

　　为了在全局使用方便，比如安装路径为D:install esseract-ocr-v4.0.0Tesseract-OCR，将该路径添加到系统环境变量的path中

并且增加系统环境变量TESSDATA_PREFIX    变量值中的路径为D:install esseract-ocr-v4.0.0Tesseract-OCR essdata

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

3、验证安装（命令行）

接下来，我们可以使用tesseract进行测试。

我们以如下图所示的图片为样例进行测试。

 用命令行进行测试，将图片下载到D盘pythonTest文件夹，保存为test.jpg，然后在该文件夹中打开命令行，用tesseract命令测试：

tesseract test.jpg result

会在test.jpg目录下生成result.txt文件结果

4、识别中文字体（命令行）

　　如果安装时没有下载中文字体（FQ下载勾选了就有）就需要自已添加中文字体库

　　4.1 下载

　　链接：https://pan.baidu.com/s/1QpdXJrlFVvgBsGT0Ly4Xpw
　　提取码：amt0

　　https://blog.csdn.net/weixin_44606217/article/details/103732151

　　或者：https://blog.csdn.net/qq_38161040/article/details/90727456?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

把下载的中文训练库放入D:install esseract-ocr-v4.0.0Tesseract-OCR essdata中

　　4.2  测试

　　应用中文字体图片，测试和步骤3方法相同。

　　查看能识别的语言：

　　

　　

　　chi_sim    代表中文简体。

 5、利用Python代码来测试

"""tesseract"""


from PIL import Image
import pytesseract

# 识别英文
image = Image.open(r'D:pythonTest4.jpg')
text = pytesseract.image_to_string(image)
print(text)

# 识别中文简体
image_chi = Image.open(r'D:pythonTest2.png')
text_chi = pytesseract.image_to_string(image_chi, lang='chi_sim')
print(text_chi)