windows下安裝tesserocr

OCR

OCR，即Optical Character Recognition，光學字符識別，是指通過掃描字符，然后通過其形狀將其翻譯成電子文本的過程。對於圖形驗證碼來說，它們都是一些不規則的字符，這些字符確實是由字符稍加扭曲變換得到的內容。

例如，對於驗證碼，我們可以使用OCR技術來將其轉化為電子文本，然后爬蟲將識別結果提交給服務器，便可以達到自動識別驗證碼的過程。

 

安裝tessoract

tesserocr需要安裝tessoract依賴庫，所以安裝tesserocr前需要安裝tessoract。

相關文件下載

• tesserocr GitHub：https://github.com/sirfz/tesserocr
• tesserocr PyPI：https://pypi.python.org/pypi/tesserocr
• tesseract下載地址：http://digi.bib.uni-mannheim.de/tesseract
• tesseract GitHub：https://github.com/tesseract-ocr/tesseract
• tesseract語言包：https://github.com/tesseract-ocr/tessdata
• tesseract文檔：https://github.com/tesseract-ocr/tesseract/wiki/Documentation

在Windows下，首先需要下載tesseract，它為tesserocr提供了支持。http://digi.bib.uni-mannheim.de/tesseract

進入下載頁面，可以看到有各種.exe文件的下載列表，這里可以選擇下載3.0版本。圖所示為3.05版本。

 

 

其中文件名中帶有dev的為開發版本，不帶dev的為穩定版本，可以選擇下載不帶dev的版本，例如可以選擇下載tesseract-ocr-setup-3.05.01.exe。

下載完成后雙擊，此時會出現如圖所示的頁面。全部勾選

 

 安裝tesserocr

windows不能用pip install tesserocr所以我這里是安裝.whl文件，需要的道友請下載：

鏈接：https://pan.baidu.com/s/1i72kK1Wcc77B1BOvOC2pmg 
提取碼：pvuq 

然后通過一下命令安裝即可完成

pip install XXXX.whl(這是文件路徑)

 測試一下

代碼：

import tesserocr
from PIL import Image


img = Image.open('1.png')
result = tesserocr.image_to_text(img)
print(result)

 

驗證碼圖片來源：http://my.cnki.net/elibregister/CheckCode.aspx

 

結束語：Windows不能通過pip install tesserocr 來安裝tesserocr庫，所以采用了.whl安裝