python-手把手教你做图片识别：Pillow+pytesseract+tesseract

我使用的是PycharmIDE，由于pytesseract需要第三方安装，在Pycharm中很多基本模块可以直接进行安装，安装Pillow模块和pytesseract模块的具体操作流程如下：

当然如果你们使用的是非Pycharm的PythonIDE，可以在终端键入pip install pillow。

安装完毕后，我们就能进行简单的图像识别工作。有过爬虫经验的童鞋们，都知道有些较为复杂的网站会设置一系列复杂的反爬技术，其中一项就是输入图片中的数字，如下图：

具体程序如下：

import pytesseract
from PIL import Image
image = Image.open("e:/aa.png")
text = pytesseract.image_to_string(image)
print(text)

首先导入两个相关的模块，接着将图片的信息储存在image这个变量中，最核心的识别难题只需要通过pytesseract.image_to_string()就能解决。

可是pycharm却报错了：

运行为什么会报错呢？这是没有安装tesseract-ocr的缘故，tesseract-ocr是tesseract库可以正常使用的依赖环境。该安装包可以在https://github.com/UB-Mannheim/tesseract/wiki中获得。在安装过程中有一点值得注意，在扩展语言中可以选择自己希望安装的语言包，这可以让我们在图片中识别出我们想要的文字：

在默认情况，图片识别只包含英文和数字，并没有包含中文，因此在扩展语言中，我们可以选择简体中文和繁体中文：

下载完毕之后，回到安装包所在的路径，你可以发现出现了这两个新的插件：

我们需要将这两个插件复制到默认路径C:\Program Files (x86)\Tesseract-OCR\tessdata下：

通过以上操作，我们就可以用来识别图片中的中文了。

由于在pycharm报错提示中有FileNotFoundError: [WinError 2] 系统找不到指定的文件，解决的方法有三种，在这里介绍其中一种：

在实际运行代码中指定环境路径：

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

好了，配置的问题算是解决了，让我们再运行以下程序吧：

import


    
 pytesseract
from PIL import Image
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'image = Image.open("e:/aa.png")
text = pytesseract.image_to_string(image)
print(text)

得到：

接下来我们还可以尝试含有英文或者中文的图片：

image = Image.open("e://sentence.png")
text = pytesseract.image_to_string(image,lang='chi_sim')
print(text)

下图的上部分为原图，下部分为python解析出来的结果：

值得注意的是在识别含有中文的图片时，需要在lang这个选项中指定chi_sim：

image = Image.open("e:/denggao.jpg")
txt= pytesseract.image_to_string(image,lang='chi_sim')
print(txt)

其实，我们仔细观察识别结果，个别字母没有被识别出来，或者个别汉字识别错误，但是总体上识别准确率还是挺高的。

最后我们将识别出来的结果保存到一个txt文档中，如果是中文，可以指定编码为utf-8编码：

with open("e://output.txt", "w",encoding='utf8') as f:
    print(text)
    f.write(str(text))

最后我们将这些封装成一个函数如下：

import pytesseract
from PIL import Image
def main(path1,path2):
    pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'
    image = Image.open("path1")
    text = pytesseract.image_to_string(image) 
    with open("path2", "w", encoding='utf8') as f:
        f.write(str(text))    
    return text

在这个函数中，path1为图片所在的路径及图片名，path2为识别结果储存的路径及文件名，

print(main("e:/aa.png","e:/output.txt"))

注：此推文中的图片及封面（除操作部分的）均来源于网络！如有雷同，纯属巧合！

以上就是今天给大家分享的内容了，说得好就赏个铜板呗！有钱的捧个钱场，有人的捧个人场~。另外，我们开通了苹果手机打赏通道，只要扫描下方的二维码，就可以打赏啦！

应广大粉丝要求，爬虫俱乐部的推文公众号打赏功能可以开发票啦，累计打赏超过1000元我们即可给您开具发票，发票类别为“咨询费”。用心做事，只为做您更贴心的小爬虫。第一批发票已经寄到各位小主的手中，大家快来给小爬虫打赏呀~

往期推文推荐：

1.爬虫俱乐部新版块--和我们一起学习Python

2.hello,MySQL--Stata连接MySQL数据库

3.hello,MySQL--odbcload读取MySQL数据

4.再爬俱乐部网站，推文目录大放送！

5.用Stata生成二维码—我的心思你来扫

6.Mata中的数据导出至Excel

7.谈谈图形中坐标设置的技巧

8.如何输出某个关键词在字符串中的所有位置？

9.想看什么书？Stata君帮你寻!——爬取中南财大图书馆书目信息

10.爬虫俱乐部隆重推出网上直播课程第一季