Tesseract 教程

介绍

Tesseract 是一个 OCR 库,目前由 Google 赞助(Google 也是一家以 OCR 和机器学习技术闻名于世的公司)。Tesseract 是目前公认最优秀、最精确的开源 OCR 系统，除了极高的精确度，Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体，也可以识别出任何 Unicode 字符。

安装

Window 安装

下载可执行安装文件：https://code.google.com/p/tesseract-ocr/downloads/list 安装。

Ubuntu 安装

 apt-get tesseract-ocr

Mac 安装

 brew install tesseract

安装 python 库

 pip install pytesseract

环境配置

Mac 和 Linux 环境配置

添加环境变量

 # /usr/local/share/Tesseract 为语言训练库路径，可以编辑 ~/.bash_file 终端启动时会执行这个脚本export TESSDATA_PREFIX=/Users/zi/Desktop/Tesseract/tessdata

Window 环境变量配置

添加环境变量

 # C:\Program Files\Tesseract OCR\Tesseract 为语言训练库路径setx TESSDATA_PREFIX C:\Program Files\Tesseract OCR\Tesseract

使用

命令行终端使用

显示帮助

 tesseract --help

显示当前训练语言列表

 tesseract --list-langs

识别

 tesseract 图片 输出路径 -l 训练库名称

python 代码中使用

 # 导入模块import pytesseract# 导入图片库 【注意】需要安装库: pip install Pillow# 导入库from PIL import Image# 创建图片对象image = Image.open("图片路径")# 识别图片pytesseract.image_to_string(numImage, config="-psm 7"))

爬取猫眼电影

 #!/usr/bin/python3# -*- coding: utf-8 -*-from selenium import webdriverfrom PIL import Imagefrom io import BytesIOimport timeimport pytesseract# 定义缩放比例  MAC一个点要两个像素scale = 2.0driver = webdriver.Chrome("/Users/zi/Desktop/chromedriver")driver.implicitly_wait(10)driver.get("http://maoyan.com/films/1218298")time.sleep(2)# 让背景变白色和文字黑色，使它更容易进行识别driver.execute_script('document.querySelector(".banner").style.background = "white"')driver.execute_script('document.querySelector(".stonefont").style.color = "black"')# 截屏整体png_img = driver.get_screenshot_as_png()img = Image.open(BytesIO(png_img))# 寻找元素span_el = driver.find_element_by_xpath('//span[@class="index-left info-num "]/span[@class="stonefont"]')#(".index-left.info-num")print(span_el)# 获取元素位置，学会调试位置location = span_el.locationleft = int(location["x"]) * scaletop = int(location["y"]) * scaleprint(location)size = span_el.size# size = {#     "width":400,#     "height":400# }right = left + int(size["width"]) * scalebottom = top + int(size["height"]) * scale# 构建截图cut_info = (left,top,right,bottom)print(cut_info)img.save("test1.png")# 截取识别图片img = img.crop(cut_info)# 获取最终结果print("结果:",pytesseract.image_to_string(img,config="-psm 7"))img.save('test2.png')driver.quit()

Tesseract 教程相关推荐

OCR-基于OpenCV、Tesseract的银行卡号识别
title: 'OCR:基于OpenCV.Tesseract的银行卡号识别' type: categories date: 2016-12-01 16:50:30 categories: OC tag ...
Tesseract OCR 下载及安装教程（中英文语言包）
Tesseract OCR 下载安装 (中英文语言包) (需要csdn币的下载真没必要,所有的包都在这里免费下) https://github.com/tesseract-ocr/tessdata 这 ...
基于Tesseract模块Python实现提取图片中的文字信息（安装+使用教程）
Python实现提取图片中的文字可以使用Optical Character Recognition (OCR) 技术来解决.OCR是指将图像中的文本转换成可编辑的文本的过程.Python有许多OCR库 ...
Tesseract的安装教程
python 识别图片上的数字,使用pytesseract库从图像中提取文本,而识别引擎采用 tesseract-ocr. pytesseract是python包装器,它为可执行文件提供了python ...
使用 OpenCV 和 Tesseract 对图像中的感兴趣区域 (ROI) 进行 OCR
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达在这篇文章中,我们将使用 OpenCV 在图像的选定区域上应用 O ...
deep_ocr 是使得 OCR 比 tesseract 更好的中文识别、身份证识别等等
deep ocr 估计很多开发员使用tesseract做中文识别,但是结果不是一般的差,譬如下面的图片 $ tesseract -l chi_sim test_data.png out_test_da ...
PHP 不跳转界面取input值进行验证_【Python】tesseract+uiautomator2+夜神模拟器悠长假期手游集市识别验证码自动购买 - Amorius...
开宗明义:这篇文章实际上就是把我的操作记录一遍,以防以后忘记了,又要到处去搜罗.由于我是个python小白,所以这些操作都是各处学来拼到一起的,也因此我确信如果不赶紧记下来,很快就会忘掉.于是就趁热写 ...
Tesseract OCR——Windows 10 + CMake-GUI + Visual Studio 2019下编译和使用解决方案
基本概念 Tesseract OCR:Tesseract-OCR 引擎最先由HP实验室于1985年开始研发,至1995年时已经成为OCR业内最准确的三款识别引擎之一.然而,HP不久便决定放弃OCR业务 ...
基于 opencv 的图像处理入门教程
点击上方"算法猿的成长",关注公众号,选择加"星标"或"置顶" 总第 146 篇文章,本文大约 5000 字,阅读大约需要 20 分钟前言 ...

Tesseract 教程

Tesseract 教程

介绍

安装

Window 安装

Ubuntu 安装

Mac 安装

安装 python 库

环境配置

Mac 和 Linux 环境配置

Window 环境变量配置

使用

命令行终端使用

python 代码中使用

爬取猫眼电影

Tesseract 教程相关推荐

最新文章

热门文章