python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）

python本地ocr库

详解Python安装tesserocr遇到的各种问题及解决办法

tesseract的安装及配置

在python爬虫过程中，难免遇到各种各样的验证码问题，最简单的就是​这种验证码了，那么在遇到验证码的时候该怎么办呢？我们就需要ocr技术了，ocr-即optical character recognition光学字符识别，是指通过扫描字符，然后将其形状翻译成电子文本的过程。而tesserocr是python的一个ocr识别库，所以在安装tesserocr之前，我们需要安装tesseract这个东西

下载地址：https://digi.bib.uni-mannheim.de/tesseract/可以选择下载不带dev的稳定版本，我下载的是3.05.01版本的，不过这个版本的可能比较早了，识别能力不是很厉害，读者可以选择下载最新版本的3.05.02，识别能力应该会好很多。

下载完就是一路双击，在最后的additional language data(download)选上这个选项，是ocr支持各种语言的包，然后继续安装，直到安装成功。

我的安装路径为：g:\program files (x86)\tesseract-ocr

安装完成后就得需要配置环境变量，打开环境变量设置，在path中加入如下

​的设置，这样tesseract就安装成功并配置完成了、

tesserocr库的安装

刚开始我直接在cmd下输入 pip install tesserocr 很不幸报错了，报错类似于如下。。。因为之前我的报错，没有截图。所以。。

就是类似于这种的截图，这该怎么办，难道要去下载visual c++吗？我们有更好的解决方法，下载对应的.whl文件

下载地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases 一定要下载对应版本的

我的是3.5.1，所以我下载的是这个版本的。读者可以自行选择。

我的tesserocr-2.2.2-cp36-cp36m-win_amd64.whl文件下载在g盘根目录下，然后在cmd里输入 pip install g:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 开始安装whl文件，发现报错了。提示不能安装whl文件。。原来是没有安装wheel。

然后我就去安装了wheel 直接 pip install wheel即可。

安装成功 在输入pip install g:\tesserocr-2.2.2-cp36-cp36m-win_amd64.whl 发现开始安装了。

哎心累啊，总算弄好了。但是，我在pycharm中调用tesserocr 这个库，他又提示报错了，这是为什么呢？百度了一下最终解决。

原来需要在pycharm下的terrminal下输入如下图：

如果报错了还得有一步操作。

将tesseract-ocr下的tessdata文件复制到你的python安装路径的scripts下：

这样

这下应该就彻底安装成功了。。

这下在pycharm里总算不会报错了，我们来试一下识别这两张图片的效果

代码：

?

1 2 3 4 5 6 7

from pil import image import tesserocr   imag=image.open('test.jpg" alt="python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）" border="0" />) print(tesserocr.image_to_text(imag)) imag1=image.open('image.jpg" alt="python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）" border="0" />) print(tesserocr.image_to_text(imag1))

输出结果如下：

将762408识别成了162408 我也很无奈呀。。。可能是因为版本太菜了吧

以上就是我安装tesserocr遇到的问题及解决办法了。其实还可以装pytesseract这个库。

安装pytesseract库

安装这个pytesseract库可比tesserocr方便多了，根本不会报错，直接pip install pytesseract 完事。。pycharm直接搜索库

然后下载就完事，多省事。。。。

看一下识别效果，还是同样的两张图片。

代码：

?

1 2 3 4 5 6 7 8

import pytesseract from pil import image import tesserocr   im=image.open('test.jpg" alt="python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）" border="0" />) print(pytesseract.image_to_string(im)) im1=image.open('image.jpg" alt="python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）" border="0" />) print(pytesseract.image_to_string(im1))

运行结果：

运行结果一样的，所以我推荐大家使用pytesseract这个库。

验证码识别问题

我打开知乎登录界面，下载了一张验证码图片：开始识别它。

代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

import pytesseract from pil import image import tesserocr       #简单验证 特别垃圾 image=image.open('3.jpg" alt="python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）" border="0" />) result=tesserocr.image_to_text(image) print(result)     #完全验证 也不咋地。。 image1=image.open('3.jpg" alt="python本地ocr库（详解Python安装tesserocr遇到的各种问题及解决办法）" border="0" />) image1=image1.convert('l') threshold=127 table=[] for i in range(256):  if i <threshold:   table.append(0)  else:   table.append(1) image2=image1.point(table,'1') image2.show() #二值化灰度处理图片显示 result=pytesseract.image_to_string(image2) print(result)

运行结果：

​都识别失败了，，，

贼无语，但是灰度化和二值化后的图片已经很清晰了。。

我都能看出来是h83g了，你识别个h535是个什么鬼。。综上，这个库吧，可能效果也不是那么好。先凑活用吧。。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持开心学习网。

原文链接：https://www.cnblogs.com/yuxuanlian/p/10122702.html