python保存图片到指定路径_用Python识别图片中的文字

(给Python开发者加星标&＃xff0c;提升Python技能)

来源&＃xff1a;ZackSock

一、前言

不知道大家有没有遇到过这样的问题&＃xff0c;就是在某个软件或者某个网页里面有一篇文章&＃xff0c;你非常喜欢&＃xff0c;但是不能复制。或者像百度文档一样&＃xff0c;只能复制一部分&＃xff0c;这个时候我们就会选择截图保存。但是当我们想用到里面的文字时&＃xff0c;还是要一个字一个字打出来。那么我们能不能直接识别图片中的文字呢&＃xff1f;答案是肯定的。

二、Tesseract

文字识别是ORC的一部分内容&＃xff0c;ORC的意思是光学字符识别&＃xff0c;通俗讲就是文字识别。Tesseract是一个用于文字识别的工具&＃xff0c;我们结合Python使用可以很快的实现文字识别。但是在此之前我们需要完成一个繁琐的工作。

(1)Tesseract的安装及配置

Tesseract的安装我们可以移步到该网址 https://digi.bib.uni-mannheim.de/tesseract/&＃xff0c;我们可以看到如下界面&＃xff1a;

有很多版本供大家选择&＃xff0c;大家可以根据自己的需求选择。其中w32表示32位系统&＃xff0c;w64表示64位系统&＃xff0c;大家选择合适的版本即可&＃xff0c;可能下载速度比较慢&＃xff0c;大家可以选择链接&＃xff1a;https://pan.baidu.com/s/1jKZe_ACLQCVXiCmvHj9adw 提取码&＃xff1a;ayel下载。安装时我们需要知道我们安装的位置&＃xff0c;将安装目录配置到系统path变量当中&＃xff0c;我们路径是D:\CodeField\Tesseract-OCR。

我们右击我的电脑/此电脑->属性->高级系统设置->环境变量->Path->编辑->新建然后将我们的路径复制进去即可。添加好系统变量后后我们还需要依次点确定&＃xff0c;这样才算配置好了。

(2)下载语言包

Tesseract默认是不支持中文的&＃xff0c;如果想要识别中文或者其它语言需要下载相应的语言包&＃xff0c;下载地址如下&＃xff1a;https://tesseract-ocr.github.io/tessdoc/Data-Files &＃xff0c;进入网站后我们往下翻&＃xff1a;

其中有两个中文语言包&＃xff0c;一个Chinese-Simplified和Chinese-Traditional&＃xff0c;它们分别是简体中文和繁体中文&＃xff0c;我们选择需要的下载即可。下载完成后我们需要放到Tesseract的路径下的tessdata目录下&＃xff0c;我们路径是D:\CodeField\Tesseract-OCR\tessdata。

(3)其它模块下载

除了上面的步骤&＃xff0c;我们还需要下载两个模块&＃xff1a;

pip install pytesseract
pip install pillow


第一个是用于文字识别的&＃xff0c;第二个是用于图片读取的。接下来我们就可以进行文字识别了。

三、文字识别

(1)单张图片识别

接下来的操作就要简单的多&＃xff0c;下面是我们要识别的图片&＃xff1a;

接下来就是我们文字识别的代码&＃xff1a;

import pytesseract

识别结果如下&＃xff1a;

not go gentle into that good night!

因为默认是支持英文的&＃xff0c;所以我们可以直接识别&＃xff0c;但是当我们要识别中文或其它语言时就需要做些修改&＃xff1a;

import pytesseract

在识别时&＃xff0c;我们设置lang&＃61;&＃39;chi_sim&＃39;&＃xff0c;也就是把语言设置为简体中文&＃xff0c;只有当你的tessdata目录下有简体中文包该设置才会生效。下面是我们用来识别的图片&＃xff1a;

识别结果如下&＃xff1a;

不 要 温 顺 的 走 进 那 个 良 夜


图片内容被准确识别出来了。有一点我们需要知道&＃xff0c;在我们将语言设置为简体中文或其它语言后&＃xff0c;Tesseract还是可以识别出英文字符。

(2)批量图片识别

既然我们把单张图片识别列出来了&＃xff0c;就肯定还有批量图片识别这个功能&＃xff0c;这就需要我们准备一个txt文件了&＃xff0c;比如我有text.txt文件&＃xff0c;内容如下&＃xff1a;

sentence1.jpg
sentence2.jpg


我们将代码修改为如下&＃xff1a;

import pytesseract

但是这样自己写一个txt文件难免有些麻烦&＃xff0c;因此我们又可以进行如下修改&＃xff1a;

import os

这样我们只需要传入一个文字图片的根目录就可以批量进行识别了。在测试过程中发现&＃xff0c;Tesseract对手写体、行楷等飘逸的字体识别不准确&＃xff0c;对一些复杂的字识别也有待提升。但是宋体、印刷体等笔画严谨的字体识别准确率很高。另外如果图片的倾斜大于一定的角度&＃xff0c;识别结果也会有很大差别。

- EOF -

1、分分钟甩 Word 几条街&＃xff0c;Python 编辑公式竟可以如此简单

2、Python 为什么要有 pass 语句&＃xff1f;

3、Python 初学者进阶的九大技能

觉得本文对你有帮助&＃xff1f;请分享给更多人

关注「Python开发者」加星标&＃xff0c;提升Python技能

好文章&＃xff0c;我在看❤️