OCR识别-python3.5版

刚接触，啥子都不会，按着教程走

需求：识别图片中的文字信息
环境：windows系统

开发语言：python3.5

使用工具类：1.pyocr
　　　　　　2.PIL
　　　　　　3.tesseract-ocr

步骤：

1.pyocr

网络通直接使用命令：
pip install pyocr

网络不通，转至https://pypi.python.org/pypi/pyocr/0.4.1下载安装

2.安装pil(一直没安装成功，好像没有对应的3.5的版本，要2.X的才行，不过这个可以跳过，不安装)
网络通直接使用命令：
pip install PIL

网络不通，转至http://www.pythonware.com/products/pil/index.htm下载安装

3.安装tesseract-ocr

http://jaist.dl.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe

exe文件，下载后直接安装，建议默认安装过程中的选项，安装目录默认C:Program Files (x86)Tesseract-OCR

# coding=utf-8
__author__ = 'yjj'

#https://github.com/tesseract-ocr
import sys
import importlib
#reload(sys)
importlib.reload(sys);
#sys.setdefaultencoding('utf-8')

import os;
os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8'
try:
from pyocr import pyocr
from PIL import Image
except ImportError:
print('模块导入错误,请使用pip安装,pytesseract依赖以下库：')
print('http://www.lfd.uci.edu/~gohlke/pythonlibs/#pil')
print('http://code.google.com/p/tesseract-ocr/')
raise SystemExit
tools = pyocr.get_available_tools()[:]
if len(tools) == 0:
print("No OCR tool found")
    sys.exit(1)
print("Using '%s'" % (tools[0].get_name()))
print(tools[0].image_to_string(Image.open('D:\123.png'),lang='eng'))
print(tools[0].image_to_string(Image.open('D:\3434.png'),lang='chi_sim'))
#print tools[0].image_to_string(Image.open('D:\3535.png'),lang='chi_sim')

文件内容：(把图片放在D盘)

123.png

3434.png

输出：

Using 'Tesseract (sh)'
7364
求i只另U眈R第 1代

在整个过程中可能会遇到的问题

1.（有时候重新启动编译软件，错都不算什么了，奇怪的是没有错了，我就是这样）如果控制台直接输出：“No OCR tool found”，说明未成功安装tesseract-ocr，debug查看get_available_tools，在该方法中回去查看本机已经安装有的ocr识别库，有三种，

libtesseract,
tesseract,
cuneiform,

 本文使用的是第二种tesseract，

tesseract具体安装请转至。

2.在识别带中文的图片，会遇到报“allow_blob_division”的错误，

需要下载tesseract-ocr的中文库，地址：https://sourceforge.net/projects/tesseract-ocr-alt/files/tesseract-ocr-3.02.chi_sim.tar.gz/download，里面包含tesseract多有的文字库，chi_sim.traineddata为简体中文库，将该文件放至C:Program Files (x86)Tesseract-OCR essdata目录下接下来的具体处理方法，转至：https://www.cnblogs.com/syqlp/p/5462459.html