Python爬虫——光学字符识别

tonglin0325

用homebrew 在电脑上安装tesseract库

1	brew install tesseract

用pip安装支持python的tesseract 接口

1 2	pip install pytesseract

使用pytesseract库对图片文件（jpg、png、bmp等）进行识别，把图片转换成字符串输出。

import pytesseract
from PIL import Image

img = Image.open('1.gif')
print(pytesseract.image_to_string(img))

实际测试效果：

输入图片，输出，结果：成功

输入图片，输出：为空，结果：失败

输入图片，输出：，结果：错误

如果需要支持中文，请下载下面的文件到目录 /usr/local/Cellar/tesseract/5.1.0/share/tessdata

1 2	https://github.com/tesseract-ocr/tessdata/blob/main/chi_sim.traineddata

然后

1 2	print(pytesseract.image_to_string(img, lang='chi_sim'))

tonglin0325的个人主页