1.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。 2.安装 以下所有都是在mac上安装实现的 //安装tesseract的同时安装训练工具 brew install --with-training-tools tesseract //安装tesseract的同时安装所有语言，语言包比较大，如果安装的话时间较长，建议不安装，按需选择 brew install --all-languages tesseract //安装tesseract，并安装训练工具和语言 brew install --all-languages --with-training-tools tesseract //只安装tesseract，不安装训练工具 brew install tesseract 3.下载语言库 下载地址:https://github.com/tesseract-ocr/tessdata 默认自带的是英语 根据自己的需求选择所要的语言库，在这里我们选择的是简体中文所以选择的库是：chi_sim.traineddata 将文件拷贝到到：/usr/local/Cellar/tesseract/(你下载的版本号)/share/tessdata目录下。 4.Tesseract的命令行使用 一般使用: //默认使用eng文字库， imgName是图片的地址，result识别结果 tesseract imgName result 指定语言: //指定使用简体中文 tesseract -l chi_sim imgName result //查看本地存在的语言库 tesseract --list-langs 指定多语言: //指定多语言，用+号相连 tesseract -l chi_sim+eng imgName result 5.Tesseract在Python中使用 通过 pip 安装支持Python 版本的 Tesseract库 pip install pytesseract 通过Python代码的简单实现 import pytesseract from PIL import Image image = Image.open('/Users/admin/Desktop/test.jpg') text = pytesseract.image_to_string(image) print text 是爬虫中的验证码的识别,可以通过更换别人训练好的语言包来识别.如果想自己通过训练来获得语言包也是可以的. 6.Tesseract训练 这里放个官方文档,等我练好了再分享 https://github.com/tesseract-ocr/tesseract/wiki 作者：ztfDeveloper原文链接：https://blog.csdn.net/zhutianfu521/article/details/78666890 转载请注明：www.ainoob.cn » Python–文字识别–Tesseract 喜欢 (2)or分享 (0)