技術標籤：python爬蟲python爬蟲

18.1 Tesseract

• 定義：
  • Tesseract是一個將影象翻譯成文字的OCR庫(光學文字識別，Optical Character Recognition)
• 安裝：
  • sudo apt-get install tesseract-ocr
• 在python中呼叫Tesseract
  • pip install pytesseract

18.1.1 Tesseract處理規範的文字

• 在終端中：
  • tesseract test.jpg text
• 在python程式碼中
  • import pytesseract
  • from PIL import Image
  • image = Image.open(jpg)
  • pytesseract.image_to_string(image)
    前提：windows安裝好tesseract-ocr

18.2 實驗

In：

pip install pytesseract

out：

Requirement already satisfied: pytesseract in d:\programdata\anaconda3\lib\site-packages (0.3.4)
Requirement already satisfied: Pillow in d:\programdata\anaconda3\lib\site-packages (from pytesseract) (6.2.0)
Note: you may need to restart the kernel to use updated packages.
 

In：

from PIL import Image
import pytesseract

In：

pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'

In：

img = Image.open("temp01.png")

In：

pytesseract.image_to_string(img)

out：

'Bute: windows22#¢Ftesseract-ocr\n\nIn [1]: pip install pytesseract'