python 驗證碼識別庫pytesseract的使用

筆者環境 centos7 python3

pytesseract只是tesseract-ocr的一種實現介面。所以要先安裝tesseract-ocr（大名鼎鼎的開源的OCR識別引擎）。

依賴安裝

yum install-y automake autoconf libtool gcc gcc-c++
yum install-y libpng-devel libjpeg-devel libtiff-devel giflib-devel

安裝依賴的leptonica庫

wget http://www.leptonica.com/source/leptonica-1.72.tar.gz  
tar -xzvf leptonica-1.72.tar.gz  
cd leptonica-1.72
./configure
make && make install

安裝tesseract-ocr

wget https://github.com/tesseract-ocr/tesseract/archive/3.04.00.tar.gz
mv 3.04.00  Tesseract3.04.00.tar.gz
tar -xvf Tesseract3.04.00.tar.gz  
cd tesseract-3.04.00/
./configure
make && make install

安裝語言包：

wget https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata #英文預設包
wget https://github.com/tesseract-ocr/tessdata/raw/master/chi_sim.traineddata  #中文繁體
wget https://github.com/tesseract-ocr/tessdata/raw/master/chi_tra.traineddata #中文簡體

cp/mv *.traineddata /usr/local/share/tessdata/ #移動下載的包到/usr/local/share/tessdata/ 這個路徑下，也可以手動移動

安裝pytesseract：

pip install Pillow 
pip install pytesseract

至此安裝完成，附上使用方法：

import pytesseract 
from PIL import Imag

image = Image.open("port_img.jpg")
text = pytesseract.image_to_string(image)
print(text)

參考資料：

https://www.cnblogs.com/dajianshi/p/4932882.html
https://stackoverflow.com/questions/33659458/tesseract-image-issue