Python實現從圖片提取文字
阿新 • • 發佈：2019-02-05
環境
- Python3
- Python3的pillow、pytesseract包
可使用pip install pillow、pip install pytesseract命令安裝
或者通過pycharm進行安裝 - 識別引擎tesseract-ocr ，下載地址
程式碼
#-*- coding:utf-8 -*-
import pytesseract
from PIL import Image
# 使用pytesseract對英文進行識別，lang引數可省略
print(pytesseract.image_to_string(Image.open('textEng.png' 該提取文字的功能對英文識別率還是可以的，但對中文稍差強人意，不過還是比手打的要方便。
報錯及解決
1. FileNotFoundError:[WinError 2]系統找不到指定檔案。
解決方法：
搜尋檔案pytesseract.py，找到如下程式碼，將tesseract_cmd的值修改為全路徑（tesseract檔案的全路徑，該檔案在Tesseract-OCR下）。如下：
tesseract_cmd = 'tesseract'改為
tesseract_cmd = 'E:\Python36\Tesseract-OCR\\tesseract'2.pytesseract.pytesseract.TesseractError: (1, ‘Error opening data file ··· ··· Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your “tessdata” directory. Failed loading language \’chi_sim\’ Tesseract couldn\’t load any languages! Could not initialize tesseract.’)
解決辦法：
1. 檢查是否將TESSDATA_PREFIX新增到系統變數裡，若沒有，在系統變數（注意不是環境變數）裡新建變數名TESSDATA_PREFIX，變數值為E:\Python37\Tesseract-OCR\（此處填你的Tesseract-OCR檔案路徑）。
2. 檢查“Tesseract-OCR\tessdata”路徑下是否存在chi_sim.traineddata（若是報錯是無法載入eng則檢視是否存在相應檔案），若沒有，下載chi_sim.traineddata檔案，並放置在“Tesseract-OCR\tessdata”路徑下。
3. 若還沒有解決：
開啟檔案pytesseract.py,找到image_to_string,在上面一行指定config的引數為tessdata檔案的路徑，如下：
tessdata_dir_config = '--tessdata-dir "E:\Python37\Tesseract-OCR\\tessdata"'
def image_to_string(image,
lang=None,
config='',
nice=0,
boxes=False,
output_type=Output.STRING):3.permission denied：[WinError 5] 拒絕訪問
解決方法：
Tesseract-OCR預設安裝在”C:\Program Files (x86)”下，訪問該路徑需要administrator許可權。修改Tesseract-OCR安裝路徑並更改tesseract_cmd的值即可。