pytesseract-OCR笔记

安装

• 软件依赖包
  • pip install pillow
  • pip install pytesseract
• 下载识别程序安装包
  • tesseract-ocr.exe
• 安装时候选择语言包（Additional language data）

语言包

官方语言包下载地址

配置脚本的程序地址

pip安装的tesseract对应的目录下，找到pytesseract.py 修改里面的tesseract_cmd 地址为exe安装的目录下的tesseract.exe

遇到的问题

1. tesseract is not installed or it’s not in your path

   没有安装tesseract-ORC.exe软件，主识别程序没有安装

2. TesseractError: (3221225477, ‘')

   安装新版本可以解决

3. 1, 'Error opening data file D:\\Program Files (x86)\\Tesseract-OCR\\chi_sim.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'chi_sim\' Tesseract couldn\'t load any languages! Could not initialize tesseract.'

   这是因为路径不正确，5.x版本，需要直接丢 .traineddata 到exe的目录下

使用

import pytesseract
from PIL import Image
path = "xxx"
img = Image(path)
res = pytesseract.image_to_string(img, lang="chi_sim")
print(res)