tesseract-ocr

标签：pytesseract.pytesseract   winerror   

其实也不算本身写的，在网上东找找西找找，合一块问题就解决了。

和谐社会的程序猿不都这样么。。

上正菜。

先安装pillow

windows 10上面先打开命令提示符：

注：不知道为啥我装python 3.5的时候蛋疼的选择了管理员安装，因此运行命令提示符的话也须要管理员权限。怎么操做就不说了。

1. 安装Pillow

2. 安装pytesseract

3. 再安装tesseract-ocr，注意这个很关系是文字识别的核心程序。

 

报错了，看来前面太顺了，python看不过去了。

至于报错的信息：error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual C++ Build Tools": http://landinghub.visualstudio.com/visual-cpp-build-tools

让我去这个网站装   Microsoft Visual C++ 14.0相关的东东，N N D 我打开网站，下载以后安装，看所须要的空间 4GB。玩不起，仍是算了，我是菜鸟，太多的东西不懂，因此不要为难我。

因此找其它方法装tesseract-ocr

这里面有tesseract-ocr for windows的安装方法。安装步骤咱们强大的度娘就有：

http://jingyan.baidu.com/article/219f4bf788addfde442d38fe.html 

安装时要什么字库本身选。

 

懒人链接：https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe

MAC  LINUX  WINDOWS 各版本下载

https://github.com/tesseract-ocr/tesseract/wiki

 

相关的程序基本安装完了。

开始作一个小程序参考图以下：

我是在pycharm中练习的，代码以下：

from PIL import Image
import pytesseract
img = Image.open()
text = pytesseract.image_to_string(img)
print (text)

注：我把上面的参考图命名为22.png了，由于我太2了

装好几个程序了，看看效果运行：

"C:\Program Files\Python35\python.exe" D:/Python_Study3.5/test/pli_png.py
Traceback (most recent call last):
  File "D:/Python_Study3.5/test/pli_png.py", line 4, in <module>
    text = pytesseract.image_to_string(img)
  File "C:\Program Files\Python35\lib\site-packages\pytesseract\pytesseract.py", line 122, in image_to_string
    config=config)
  File "C:\Program Files\Python35\lib\site-packages\pytesseract\pytesseract.py", line 46, in run_tesseract
    proc = subprocess.Popen(command, stderr=subprocess.PIPE)
  File "C:\Program Files\Python35\lib\subprocess.py", line 676, in __init__
    restore_signals, start_new_session)
  File "C:\Program Files\Python35\lib\subprocess.py", line 957, in _execute_child
    startupinfo)
FileNotFoundError: [WinError 2] 系统找不到指定的文件。

M D 找不到指定文件，到这里我也不懂，继续百度。而后找到的文章说要更改 pytesseract.py这个文件的一些配置（第二个安装的模块）。由于这里面配置有一些相关于tesseract-ocr（即第三个安装的程序）

更改以下：

在pycharm中如图打开pytesseract.py：

在右边打开的窗口找到：tesseract_cmd 这行代码：

这一行注释掉：由于pytesseract.py文件内默认的tesseract-ocr的主程序环境变量不知道怎么变的，到了windows 下面就不能运行，上面执行的报错代码中找不到文件，其实就是找不到主程序。因此注释掉原来的，咱们再新加一行。上面的路径就是你安装Tesseract-ocr程序时的路径：

#tesseract_cmd = ‘tesseract‘

新增长一行：

tesseract_cmd = r‘C:/Program Files (x86)/Tesseract-OCR/tesseract.exe‘

保存，运行咱们写的代码，看看效果。

又报错了，伤不起

"C:\Program Files\Python35\python.exe" D:/Python_Study3.5/test/pli_png.py
Traceback (most recent call last):
  File "D:/Python_Study3.5/test/pli_png.py", line 4, in <module>
    text = pytesseract.image_to_string(img)
  File "C:\Program Files\Python35\lib\site-packages\pytesseract\pytesseract.py", line 125, in image_to_string
    raise TesseractError(status, errors)
pytesseract.pytesseract.TesseractError: (1, ‘Error opening data file \\Program Files (x86)\Tesseract-OCR\\eng.traineddata‘)
Process finished with exit code 1

此次报的错，貌似是找不到tesseract-ocr的配置文件。看来还得改pytesseract.py文件。

因而又从网上找了一些东西，继续更改。

如图

保存，接着运行程序：

啥啥成功了，虽然识别多了一个小数点，不过至少不报错了。

 

就试到这里了，多的我也不会。

 

 

以上大部份内容都是来自网上。我不过作下整理。

那里说错了，莫怪，我了解的也很少。

 

 

本文出自 “学习之路” 博客，请务必保留此出处http://13136244.blog.51cto.com/13126244/1972816

python3 for win10X64下Pillow，pytesserac和tesseract文字识别简单配置。

标签：pytesseract.pytesseract   winerror   

原文地址：http://13136244.blog.51cto.com/13126244/1972816

Tesseract-OCR的简单使用与训练：https://www.cnblogs.com/cnlian/p/5765871.html

Tesseract 3.02中文字库训练----整理：http://blog.csdn.net/liulina603/article/details/45071485

Tesseract-OCR识别中文与训练字库实例：https://www.cnblogs.com/wzben/p/5930538.html

Tesseract训练中文字体识别：https://www.jianshu.com/p/31afd7fc5813

Tesseract.js 一个几乎能识别出图片中全部语言的JS库：https://segmentfault.com/p/1210000007152346

用于62种语言的纯Javascript Javascript OCR：https://github.com/naptha/tesseract.js#docs