@Win10环境下python调用Tesseract-OCR进行图片文字识别
个人在网上没有找到一个适用于纯小白的一个傻瓜式教程，所以在此写一个精细到每个步骤的小教程。本文仅包含最基础的识别功能（由于篇幅问题本文挂了一些链接，既方便零基础小白学习操作，也方便有基础的同学节省阅读时间）
1、下载安装python、Pycharm
建议大家安装anaconda。我安装的是python 3.6的anaconda，因为不知道什么原因安装3.7的会失败。大家可以在这里下载：我之后会上传
大家有兴趣也可以试试官网下载的anaconda最新版本：https://www.anaconda.com/distribution/
anaconda的安装请参阅其他博文，这里给大家推荐一篇：Anaconda详细安装使用教程
接着是python的编辑器。大家可以使用anaconda自带的Spyder，可以使用VS code，而我比较习惯使用pycharm，附上官网下载链接：https://www.jetbrains.com/pycharm/download/#section=windows
我推荐新手下载community版本就可以，如果有需要可以去下载professional的，这个根据自己需要。如何配置pycharm请参阅：PyCharm安装与配置
大家安装并配置好后可以写一个helloworld试一试啦！
2、Tesseract-OCR下载与配置
首先要先下载Windows环境的Tesseract OCR安装包：http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe
下载好之后双击就开始安装了，安装过程中可以自定义安装路径，我的安装路径：D:/Tesseract-OCR
最后点击install就可以了，然后会问你要哪些英文以外的语言包，可以根据自己的需要来选择要安装的语言包。安装好之后需要配置系统的环境变量。
1）打开文件资源管理器，在左侧“此电脑”右键单击，点属性
2）点击左侧“高级系统设置”，得到如下，点击红框的“环境变量”
3）由步骤2）得到如下，可以看到上方的用户变量和下方的系统变量。
选中用户变量的Path，然后点击用户变量下的编辑，得到下图，点击右侧新建，将你的tesseract.exe的路径写入（我的是D:/Tesseract），然后确定。
同样的，在系统变量中找到Path，按照上述方法将路径加到系统变量的Path中。
4）在下面系统变量中直接”新建“，变量名为TESSDATA_PREFIX，变量值同3）中的tesseract.exe的路径。这个变量的作用是让程序找到语言包，语言包一般统一存放于Tesseract_OCR\tessdata\文件夹中。如果不添加此变量，程序运行将会报错显示找不到可用的语言包。
这样我们的Tesseract-OCR就可以正常工作了。
3、使用python调用Tesseract OCR
首先要安装python库，推荐使用pip进行安装。pip在安装anaconda时已经自动安好了。
打开Anaconda Prompt，分别写入
pip install Pillow
pip install pytesseract
使用pycharm打开Anaconda\Lib\site-packages\pytesseract\pytesseract.py文件，在第35行需要修改路径。
34 # CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
35 tesseract_cmd = 'D:/Tesseract-OCR/tesseract.exe'#这里修改为你的tesseract.exe安装路径4、编写简单的python脚本识别文字
以日文为例，新建tesstest.py，将要识别的图片命名为a.jpg并放于tesstest.py的相同路径下。在tesstest.py中编写：
import pytesseract
from PIL import Image
image = Image.open('a.jpg')
text = pytesseract.image_to_string('a.jpg',lang = 'jpn')
print(text)右上角绿色箭头运行，稍等片刻后下方RUN显示输出结果。
如有报错，欢迎大家给我留言
转载请注明出处