Python-文字識別
共 656字，需瀏覽 2分鐘
·
2022-02-09 17:41
首先還是要安裝tesseract OCR，即Optical Character Recognition，光學(xué)字符識別，谷歌開發(fā)的，在免費(fèi)庫中還是非常友好的，應(yīng)用場景比較多，比如在爬取數(shù)據(jù)時可以識別驗證碼等，我是因為有一大批掃描文件需要轉(zhuǎn)換成Excel，研究了一下，中間也遇到了很多問題，接下來可以帶大家入個門。
第一步需要下載tesseract OCR安裝包（百度網(wǎng)上很多資源，如果搜到CSDN分析的文章里邊的下載地址還是比較靠譜的，如果懶得百度可以后臺私信無償發(fā)你），還是注意安裝位置，后邊要設(shè)置環(huán)境變量
第二步下載語言包，可以搜索已經(jīng)訓(xùn)練好的現(xiàn)成的語言包（GitHub官方搜索下載，如果下載不下來可以百度或者后臺私信無償發(fā)）下載后解壓好，放在安裝好的文件夾下
第三步配置環(huán)境變量，右擊我的電腦，屬性，高級系統(tǒng)設(shè)置，直接上圖以下是我安裝的位置
另外系統(tǒng)變量也加上
第四步安裝Python的兩個庫（打開cmd 輸入：pip install pytesseract和pip install pillow）如果安裝成功，可以輸入pip list
，可以看到下圖的安裝包。
最后的最后打開jupyter notebook，或者你的pycharm
輸入代碼，就成了
不過筆者掃描件都是表格，tesseract，識別失敗，最后用Python調(diào)用百度AI做的的識別，但是表格線和文字都黏在一起了，效果并不理想，如果清晰地表格和文字應(yīng)該是沒問題的，以后有空再把代碼分享出來。
VX“生活是個啥”“degreeoffree910”