Tesserocr 的安装

OCR，即 Optical Character Recognition，光学字符识别。是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。那么对于图形验证码来说，它都是一些不规则的字符，但是这些字符确实是由字符稍加扭曲变换得到的内容。

Tesserocr 是 Python 的一个 OCR 识别库，但其实是对 Tesseract 做的一层 Python API 封装，所以它的核心是 Tesseract

安装步骤

一、安装tesseract

win10电脑中，安装tesseract可以进入该网址进行下载 Index of /tesseract

文件名中带有dev的为开发版本，不带dev的为稳定版本。

下载完成之后双击安装即可，在安装过程中可以勾选上 Additional language data 选项，安装 OCR 识别支持的语言包，这样 OCR 便可以识别多国语言。不勾选可自行下载语言包添加至essdata目录下。

二、配置环境

• 打开安装目录并拷贝 ：

• 点击此电脑右键属性->高级系统设置->高级->环境变量：

• 在这两个path中均添加tesseract-ocr的安装路径：

• 在系统变量中新建一个变量TESSDATA_PREFIX。值为刚刚的路径加上\tessdata。

三、安装tesserocr包

在Pycharm终端执行：

 pip install tesserocr pillow

若安装失败，则通过.whl文件安装。

下载地址： Releases · simonflueckiger/tesserocr-windows_build (github.com) ，找对应版本，本例为tesserocr-2.6.2-cp37-cp37m-win_amd64

本例下载至D盘，下载完成后，在终端执行：

 pip3 install D:/tesserocr-2.6.2-cp37-cp37m-win_amd64.whl

可以发现安装完成。

四、测试

测试代码如下：

 import tesserocrfrom PIL import Imageimage = Image.open('test.png')      # 验证码图片可自行下载result = tesserocr.image_to_text(image)print(result)

五、添加语言

可以在终端执行：（此命令列出所有语言包）

 (.spider81) PS D:\Python Web\python_spider8ed> tesseract --list-langsList of available languages in "D:\Program Files (x86)\Tesseract-OCR\tessdata/" (4):engosdequ

结果显示其只支持几种语言，如果我们想要安装多国语言还需要安装语言包，官方叫做 tessdata

下载链接： https://github.com/tesseract-ocr/tessdata 比如 chi_sim 就代表简体中文

将其移动至安装路径下的D:\Program Files\Tesseract-OCR\tessdata目录下。

接下来再安装 Tesserocr 即可，直接使用 Pip 安装

 pip install tesserocr pillow