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。

下载安装包

tesseract下载地址: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,根据自己需求下载(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-4.0.0-alpha.20170804。)

tesseract 识别数字用什么语言 tesseract ocr语言包_tesseract 识别数字用什么语言

安装

下载后傻瓜式安装即可。

tesseract 识别数字用什么语言 tesseract ocr语言包_图片_02

tesseract 识别数字用什么语言 tesseract ocr语言包_tesseract 识别数字用什么语言_03

这里选择语言包,简体中文(但勾选语言包较多时下载较慢,本人建议直接安装,安装后根据需要再去下载语言包。)

tesseract 识别数字用什么语言 tesseract ocr语言包_图片_04

选择合适的安装路径完成安装。

tesseract 识别数字用什么语言 tesseract ocr语言包_python开发_05

环境变量配置

设置环境变量,进入环境变量中,找path,新建路径。如图:

tesseract 识别数字用什么语言 tesseract ocr语言包_tesseract 识别数字用什么语言_06

测试

查看是否安装成功,打开cmd,输入tesseract -v回车,若显示版本号即为安装成功。如图:

tesseract 识别数字用什么语言 tesseract ocr语言包_python开发_07

测试文件

我在网上随便找了两首古诗竟是文字识别测试,如下

tesseract 识别数字用什么语言 tesseract ocr语言包_图片_08

python库

所需第三方库安装方式

# pytesseract安装:
pip install pytesseract

# PIL安装:
pip install pillow

测试结果

短短七行代码即可实现图片转文字,结果如下:

tesseract 识别数字用什么语言 tesseract ocr语言包_python开发_09

问题汇总

Tesseract在安装过程中出现Download error Status of equ: Send Request Error. Click OK to continue!!!已解决

tesseract 识别数字用什么语言 tesseract ocr语言包_python_10

出错的原因应该是,墙的问题,,请求失败,尝试管理员身份还是失败,,,既然download失败,那么就换种方式下载

Github上下载自己需要的语言包

https://tesseract-ocr.github.io/tessdoc/Data-Files

获取到语言包后直接解压,并且再次配置环境变量如下:

点击我的电脑–>属性–>高级设置—>环境变量---->path下面的—>新建—>变量名:TESSDATA_PREFIX---->变量值:前面的加上\tessdata

tesseract 识别数字用什么语言 tesseract ocr语言包_ocr_11

将下载好的语言包解压,打开tessdata文件夹

tesseract 识别数字用什么语言 tesseract ocr语言包_python开发_12

然后将其复制到tessdata中。

tesseract 识别数字用什么语言 tesseract ocr语言包_ocr_13

最后,重启一下电脑!!!!

然后win+R 快捷打开cmd,输入tesseract --list-langs 就可,就可以看到所有的语言类型了。

tesseract 识别数字用什么语言 tesseract ocr语言包_ocr_14