Python3 Ocr 初探

环境概述

|Python|3.9.2 |
|-pytesseract 客户端-|-5.0-|
| pytesseract 依赖库| 0.3.8 |
| 语言包|chi_sim.traineddata、chi_sim_vert.traineddata |

下载地址

CSDN资源地址：https://download.csdn.net/download/yanxilou/76285648
客户端：https://github.com/UB-Mannheim/tesseract/wiki

语言包：https://github.com/tesseract-ocr/tessdata

依赖库： pip install pytesseract

修改配置

语言包放到这里：
修改cmd路径：

目录结构

代码

from PIL import Image
import pytesseractdef read_text(text_path):# 打开图片im = Image.open(text_path)# 转化为8bit的黑白图片imgry = im.convert('L')# 二值化，采用阈值分割算法，threshold为分割点threshold = 140table = []for j in range(256):if j < threshold:table.append(0)else:table.append(1)out = imgry.point(table, '1')# 识别文本text = pytesseract.image_to_string(out, lang="chi_sim", config='--psm 6')return text
if __name__ == '__main__':print(read_text(r'.\img\demo.png'))

效果

Python3 Ocr 初探相关推荐

python3爬虫初探（一）之urllib.request
#----第一把武器-----urllib.request--------- urllib.request是python3自带的库(python3.x版本特有),我们用它来请求网页,并获取网页源码.话 ...
python3爬虫初探（八）requests
几个常见的操作: import requests #from PIL import Image #from io import BytesIO def simple_get(url): res ...
python3爬虫初探（七）使用MySQL
MySQL是Web世界中使用最广泛的数据库服务器.SQLite的特点是轻量级.可嵌入,但不能承受高并发访问,适合桌面和移动应用.而MySQL是为服务器端设计的数据库,能承受高并发访问,同时占用的内存也 ...
python3爬虫初探（六）之EXCEL
在爬取数据之后,数据的保存就成为一个新的问题,一般不太大的的数据存储到EXCEL就可以了.这里介绍一个python的第三方库--xlsxwriter. 这个库的安装就不介绍了,pip就可以,不用FQ. ...
python3爬虫初探（五）之从爬取到保存
想一想,还是写个完整的代码,总结一下前面学的吧. import requests import re# 获取网页源码 url = 'http://www.ivsky.com/tupian/xiaohu ...
python3爬虫初探（四）之文件保存
接着上面的写,抓取到网址之后,我们要把图片保存到本地,这里有几种方法都是可以的. #-----urllib.request.urlretrieve----- import urllib.request ...
python3爬虫初探（三）之正则表达式
前面已经写了如何获取网页源码,那么接下来就是该解析网页并提取需要的数据了.这里简单写一下正则表达的用法. 首先,找个要抓取图片的网站,获取源码. import requests import re# ...
python3爬虫初探（二）之requests
关于请求网页,不得不提requests这个库,这是爬虫经常用到的一个第三方库,用pip安装即可. requests用法很多,这里只写一些基础的,其他高级功能可参考官方文档. import reques ...
linux调用百度接口ocr快速准确提取图片中文字
有些 pdf 文档没办法复制句子,有些图片上的字想弄下来却不想手敲,一直打算看看有什么好用的 ocr 软件,Windows 上曾用过天若很好用,但是 linux 上没看到很好的现成软件,在网上搜索之后 ...