windows下安装tesserocr

OCR

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。对于图形验证码来说，它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。

例如，对于验证码，我们可以使用OCR技术来将其转化为电子文本，然后爬虫将识别结果提交给服务器，便可以达到自动识别验证码的过程。

 

安装tessoract

tesserocr需要安装tessoract依赖库，所以安装tesserocr前需要安装tessoract。

相关文件下载

• tesserocr GitHub：https://github.com/sirfz/tesserocr
• tesserocr PyPI：https://pypi.python.org/pypi/tesserocr
• tesseract下载地址：http://digi.bib.uni-mannheim.de/tesseract
• tesseract GitHub：https://github.com/tesseract-ocr/tesseract
• tesseract语言包：https://github.com/tesseract-ocr/tessdata
• tesseract文档：https://github.com/tesseract-ocr/tesseract/wiki/Documentation

在Windows下，首先需要下载tesseract，它为tesserocr提供了支持。http://digi.bib.uni-mannheim.de/tesseract

进入下载页面，可以看到有各种.exe文件的下载列表，这里可以选择下载3.0版本。图所示为3.05版本。

 

其中文件名中带有dev的为开发版本，不带dev的为稳定版本，可以选择下载不带dev的版本，例如可以选择下载tesseract-ocr-setup-3.05.01.exe。

下载完成后双击，此时会出现如图所示的页面。全部勾选

 安装tesserocr

windows不能用pip install tesserocr所以我这里是安装.whl文件，需要的道友请下载：

链接：https://pan.baidu.com/s/1i72kK1Wcc77B1BOvOC2pmg 
提取码：pvuq 

然后通过一下命令安装即可完成

pip install XXXX.whl(这是文件路径)

 测试一下

代码：

import tesserocr
from PIL import Image


img = Image.open('1.png')
result = tesserocr.image_to_text(img)
print(result)

验证码图片来源：http://my.cnki.net/elibregister/CheckCode.aspx

结束语：Windows不能通过pip install tesserocr 来安装tesserocr库，所以采用了.whl安装