Python-文字识别

首先还是要安装tesseract OCR，即Optical Character Recognition，光学字符识别，谷歌开发的，在免费库中还是非常友好的，应用场景比较多，比如在爬取数据时可以识别验证码等，我是因为有一大批扫描文件需要转换成Excel，研究了一下，中间也遇到了很多问题，接下来可以带大家入个门。

第一步需要下载tesseract OCR安装包（百度网上很多资源，如果搜到CSDN分析的文章里边的下载地址还是比较靠谱的，如果懒得百度可以后台私信无偿发你），还是注意安装位置，后边要设置环境变量

第二步下载语言包，可以搜索已经训练好的现成的语言包（GitHub官方搜索下载，如果下载不下来可以百度或者后台私信无偿发）下载后解压好，放在安装好的文件夹下

第三步配置环境变量，右击我的电脑，属性，高级系统设置，直接上图以下是我安装的位置

另外系统变量也加上

第四步安装Python的两个库（打开cmd 输入：pip install pytesseract和pip install pillow）如果安装成功，可以输入pip list

，可以看到下图的安装包。

最后的最后打开jupyter notebook，或者你的pycharm

输入代码，就成了

不过笔者扫描件都是表格，tesseract，识别失败，最后用Python调用百度AI做的的识别，但是表格线和文字都黏在一起了，效果并不理想，如果清晰地表格和文字应该是没问题的，以后有空再把代码分享出来。

VX“生活是个啥”“degreeoffree910”