如何使用 pytesseract 从工资单图像中提取指定文本答案

【问题标题】：how to extract specified text from payslip images using pytesseract如何使用 pytesseract 从工资单图像中提取指定文本
【发布时间】：2019-11-15 04:45:57
【问题描述】：

我是 tesseract OCR 的新手，我有一堆工资单的图像，我想自动从工资单中提取日期，请帮助我怎么做，

首先，我试图从一张工资单中提取数据，它显示错误：

import cv2
import pytesseract
img = cv2.imread(r'E:/Receipts/Receipts/0a0ebd53.jpeg')
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files/Tesseract-OCR/tesseract.exe'
TESSDATA_PREFIX='C:/Program Files/Tesseract-OCR/tessdata'
print(pytesseract.image_to_string(img))
# OR explicit beforehand converting
print(pytesseract.image_to_string(Image.fromarray(img)))

错误：

200         }
    201 
--> 202         run_tesseract(**kwargs)
    203         filename = kwargs['output_filename_base'] + os.extsep + extension
    204         with open(filename, 'rb') as output_file:

~\Anaconda3\lib\site-packages\pytesseract\pytesseract.py in run_tesseract(input_filename, output_filename_base, extension, lang, config, nice)
    176 
    177     if status_code:
--> 178         raise TesseractError(status_code, get_errors(error_string))
    179 
    180     return True

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

请帮我解决这个错误，还请提供深度学习模型建议。

【问题讨论】：

你有环境变量 TESSDATA_PREFIX 吗？它在错误消息中明确提到
是的，Venkata Krishnan，我也尝试了那个，我将环境变量添加到我的代码中，但它再次显示相同的错误。
你下载的语言有吗？在指定路径中？
没有文卡塔克里希纳
github.com/tesseract-ocr/tessdata/blob/master/eng.traineddata下载这个文件，放到指定路径。

标签： python-3.x deep-learning computer-vision ocr tesseract

【解决方案1】：

请使用 PIL 库读取图像，然后将图像对象传递给 image_to_string(img_obj)，如下所示。

from PIL import Image
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r"C:/Program Files/TesseractOCR/tesseract.exe"
image_obj = Image.open(image_path)
print(pytesseract.image_to_string(image_obj))

【讨论】：