文章目录
什么是OCR？安装Tesseract-OCR和pytesseract实现自动识别文字什么是OCR？
OCR，全称Optical Character Recognition ，中文释义为光学字符识别，是指对一个包含文本信息的图片文件的识别，目前比较流行的OCR有tesseractOCR和cnOCR,在这篇文章中我们使用识别效果较好的tesseractOCR。
安装Tesseract-OCR和pytesseract
首先我们要安装tesseract，到这个网址下载：
Home · UB-Mannheim/tesseract Wiki ()
自己按照电脑的位数选择安装包,下载下来。
下载下来后，打开安装包。
选择语言，没有中文，只好选英文。
然后一直next，但是注意！在安装语言时这个Additional lauguage data千万不要全选，要不然下载过程特别慢，如果需要的话，只安装里面的 Chinese组件就行了。
接下来就比较简单了。
安装完成后我们还得添加环境变量，打开自己安装tesseract的文件夹，复制路径，在右键此电脑，选择属性，打开高级系统设置，打开环境变量，打开用户变量的Path，新建变量，把复制的路径粘贴进去，点确定就行了，可以通过cmd输入 tesseract -v 再回车，如果出现了tesseract的版本信息就说明配置成功了。
然后为了在python中使用tesseract，我们需要安装pytesseract，直接在cmd中用pip安装就好了：
pip install pytesseract
（无视里面的黄色字体，是我电脑的问题，对安装什么的没有影响）
实现自动识别文字
打开python编辑器，把这段代码复制进去：
import pytesseractfrom PIL import Imagepytesseract.pytesseract.tesseract_cmd = 'D://Tesseract-OCR//tesseract.exe' # 替换成你自己的tesseract安装路径text = pytesseract.image_to_string(Image.open('D://input.png'))# 替换成要识别的图片路径print(text)
这是我要识别的图片：
运行后输出为 Hello world ，识别率很高。
怎么样，好玩吧？不仅这样，tesseract还可以识别中文！只不过得安装相应的库，这是下载链接：
/tesseract-ocr/tessdata/blob/main/chi_sim.traineddata
下载下来中文训练包后，把包放到tessdata中就可以识别中文了。
