pytesseract-谷歌 Tesseract OCR引擎包装的python库

Python-tesseract是用于python的光学字符识别（OCR）工具。也就是说，它将识别并“读取”图像中嵌入的文本。

Python-tesseract是Google Tesseract-OCR Engine的包装。它也可以用作tesseract的独立调用脚本，因为它可以读取Pillow和Leptonica图像库支持的所有图像类型，包括jpeg，png，gif，bmp，tiff等。此外，如果将Python-tesseract用作脚本，它将打印识别的文本，而不是将其写入文件。

用法

快速开始

注意：测试图像位于tests/dataGit存储库的文件夹中。

先决条件：

Python-tesseract需要Python 2.7或Python 3.6+

您将需要Python Imaging Library（PIL）（或Pillow fork）。在Debian / Ubuntu下，这是python-imaging或python3-imaging软件包。

安装Google Tesseract OCR （有关如何在Linux，Mac OSX和Windows上安装引擎的附加信息）。您必须能够将tesseract命令作为tesseract调用。如果不是这种情况（例如，因为tesseract不在您的PATH中），则必须更改“ tesseract_cmd”变量pytesseract.pytesseract.tesseract_cmd。在Debian / Ubuntu下，您可以使用软件包tesseract-ocr。对于Mac OS用户。请安装自制软件包tesseract。

注：请确保您也已安装tessconfigs并configs从正方体-OCR / tessconfigs或通过OS包管理器。

通过pip安装：pip install pytesseract

或者您也可以通过网盘下载pytesseract的源代码进行手动安装。

测试

要运行该项目的测试套件，请安装并运行tox。确保已tesseract 安装并且在PATH中。

pip install tox tox

pip install tox