tesseract命令

Ⅰ (源码分享)利用python识别提取图像文字（中文英文都可以）

你想了解怎么利用程序自动识别网站验证码吗？识别提取图像文字（中文英文都可以）

分享一点简单有用的小项目：python

源码分享如下：

看视频教程链接：（点击识别图像文字视频教程链接）

一、首先需要安装 Tesseract模块及 语言包

Tesseract OCR光学字符识别

Windows系统：

安装网站 （放在不需要权限的纯英文路径下）：
： https://digi.bib.uni-mannheim.de/tesseract/

可以下载一些语言包：

https://github.com/tesseract-ocr/

安装完成后，如果想要在命令行中使用Tesseract，那么应该设置环境变量。

还有一个环境变量需要设置的是，要把训练的数据文件路径也放到环境变量中。
在环境变量中，添加一个TESSDATA_PREFIX=C:path_to_tesseractdata eseractdata。

在Python代码中操作tesseract。需要安装一个库，叫做pytesseract。通过pip的方式即可安装：

pip install pytesseract

并且，需要读取图片，需要借助一个第三方库叫做PIL。通过pip list看下是否安装。如果没有安装，通过pip的方式安装：

pip install PIL

使用pytesseract将图片上的文字转换为文本文字的示例代码如下：

Ⅱ 如何在windows上编译Tesseract OCR

最近要用java实现一个验证码识别系统，选了半天之后最终决定用Tesseract-OCR作为识别引擎。既然是java+Tesseract-OCR，自然就首选Tess4J。由于Tess4J直接且仅提供了编译成dll的3.02版本的Tesseract-OCR，而我的最终目标Linux下使用且想自己更换Tesseract-OCR的版本，就决定自己动手对Tesseract-OCR的代码进行编译。而这篇文章就是这次研究的中间产物。
虽然Tess4J目前支持的是Tesseract-OCR 3.02，但Tesseract-OCR无法在Tess4J中直接进行使用，还需要使用capi进行封装，但这个就是后话了，本文仅介绍如何在windows环境下编译Tesseract-OCR。

准备工作
根据GoogleCode上下载Tesseract-OCR的windows安装版本测试的结果及官方说明文档，Tesseract-OCR支持tiff、png、gif、bmp、jpeg等格式，所以首先就按照这个目标来收集所需的支持库。由于最终目标是在Linux下编译成功，所以我选择了msys+tdm-gcc来模拟Linux下的编译过程。

需要下载的库有：
1) zlib-1.2.7
2) libpng-1.5.10
3) giflib-4.1.6
4) libungif-4.1.4(这个似乎在最终的编译过程中没有起作用)
5) jpeg-8d
6) jbigkit-2.0
7) tiff-3.9.5
8) libwebp-0.1.3 9) leptonica-1.68

编译环境推荐使用最新的msys和tdm-gcc：
1) msys可以通过下载mingw-get-insta-20120426进行安装。
2) tdm-gcc推荐使用4.5.2版本。
Tesseract-OCR 3.02可以通过svn获取,地址是：http://tesseract-ocr.googlecode.com/svn/trunk
var script = document.createElement('script'); script.src = 'http://static.pay..com/resource/chuan/ns.js'; document.body.appendChild(script);

编译
本节所列出的为完整的编译过程及步骤顺序，请按照顺序进行。以下所述步骤均在msys+tdm-gcc4.5.2测试通过。执行命令前，请先解压缩，并进入解压缩后的目录。
zlib-1.2.7
解压后进入代码目录，执行以下命令： ./configure
make -f win32/makefile.gcc
make -f win32/makefile.gcc install INCLUDE_PATH=/usr/local/include/zlib LIBRARY_PATH=/usr/local/lib BINARY_PATH=/usr/local/bin SHARED_MODE=1
libpng-1.5.10
./configure -includedir="/usr/local/include/png" LDFLAGS="-no-undefined
-Wl,--as-needed" CPPFLAGS="-I/mingw/include/zlib"
make -j8 && make install
giflib-4.1.6
./autogen.sh
./configureLDFLAGS="-no-undefined -Wl,--as-needed"
-includedir="/usr/local/include/gif"
cd lib
make -j8 && make install
libungif-4.1.4
./autogen.sh ./configure LDFLAGS="-no-undefined -Wl,--as-needed"
-includedir="/usr/local/include/ungif"
cd lib
make -j8 && make install
jpeg-8d
./configure
LDFLAGS="-no-undefined
-Wl,--as-needed"
var script = document.createElement('script'); script.src = 'http://static.pay..com/resource/chuan/ns.js'; document.body.appendChild(script);
-includedir="/usr/local/include/jpeg"
make -j8 && make install
jbigkit-2.0
jbigkit由tiff组件所使用，虽不是必选项，但为了保证过程的完整这里也顺带一提。
由于jbig的Makefile中仅提供生成静态库的动作，因此必须自己手动在Makefile中加入生成动态库的部分，否则在链接tiff库时也仅能生成静态库。从而影响到leptonica的链接。
tiff-3.9.5
./autogen.sh ./configure LDFLAGS="-no-undefined -Wl,--as-needed" -includedir="/usr/local/include/tiff" --with-zlib-include-dir="/mingw/include/zlib" --with-zlib-lib-dir="/mingw/lib" --with-jpeg-include-dir="/mingw/include/jpeg" --with-jpeg-lib-dir="/mingw/lib" --with-jbig-include-dir="/mingw/include/jbig" --with-jbig-lib-dir="/mingw/lib"
make -j8 && make install
libwebp-0.1.3
./configure LDFLAGS="-no-undefined -Wl,--as-needed" -includedir="/usr/local/include/webp" --with-pngincludedir="/mingw/include/png" --with-pnglibdir="/mingw/lib" --with-jpegincludedir="/mingw/include/jpeg" --with-jpeglibdir="/mingw/lib" CPPFLAGS="-DQGLOBAL_H"
make -j8 && make install
leptonica-1.68
autobuild ./configure -includedir="/usr/local/include" LDFLAGS="-no-undefined" CPPFLAGS="-I/mingw/include/zlib -I/mingw/include/png -I/mingw/include/gif -I/mingw/include/ungif -I/mingw/include/jpeg -I/mingw/include/tiff -I/mingw/include/webp"
make -j8 && make install 说明：
使用了zlib库后，可能导致编译出错。这时请修改pngio.c: 在#include "png.h"后添加 #ifdef HAVE_LIBZ #include "zlib.h"

Ⅲ tesseract 图片验证测试错误，如何处理error

也是初核山拆学者，我想到一个办法，就是在image.png前面加个绝对路径，然后CMD下直接运行如下命令：tesseract D:PythonPython37-32Scriptsimage.png D:PythonPython37-32Scripts esult233 然后就会在D:PythonPython37-32Scripts下自动生成一个名为result233的.txt文本。

1.把唯肢image.png图片存放到D:PythonPython37-32Scripts（路径随便自己定义）

------------------------------------------the end---------------------------------------------

Ⅳ 安装pip3 install sanic

tesserocr是Python的一个OCR识别库，但其实是对tesseract做的一层Python API封装，所以它的核心是tesseract，因此安装tesserocr之前，需要先安装tesseract.

这里我安装的是 tesseract-ocr-setup-3.05.02-20180621.exe

安装的语言包的时候，耐心等待，会很久。

验证安装
安装成功之后验证图片：

在命令行下输入：tesseract image.png stdout -l eng

Tesseract配置环境变量
配置TESSDATA_PREFIX：

添加至Path变量：

复制tessdata整个文件夹至Python安装目录中：

安装Tesserocr
遇到的很坑的就是在安装Tesserocr的时候，pip3 install pillow命唯陵令并没有那么顺利

问题一：pip3 install pillow错误如下：

先不要着急去安装Microdoft Visual C++ 14.0，我们换一种安装方式

首先下载对应的.whl文件，一定要与tesseract版本配对：

运行命令：pip3 install tesserocr-2.2.2-cp36-cp36m-win_amd64.whl

问题来了，并不能安装成功，反而提示：tesserocr-2.2.2-cp36-cp36m-win_amd64.whl is not a supported wheel on this platform

解决如下：查看pip支持的文件名还有版本

$ import pip
$ import pip._internal
$ print(pip._internal.pep425tags.get_supported())

但是tesserocr暂时没有看到cp37的版本.whl文件，由于我目前本地是python3.7.0

所以最终，我选择将python版指盯戚本往下降，重新安则旁装了python3.6.6

然后再次运行：pip3 install tesserocr-2.2.2-cp36-cp36m-win_amd64.whl

验证安装

文章最后发布于: 2018-09-14
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zoujin6649/article/details/82697031

Ⅳ 如何在node 里使用tesseract

打开 tessdata/configs/digits 改成滚败配 tessedit_char_whitelist 总大指之这个就是白名单，想识别谁就写进去 另外命令里需要用digits，不枯哗然上边的设置没用，例如 tesseract xxx.jpg result -psm 10 digits

Ⅵ tesseract-ocr怎么设置只匹配数字+大写字母

C:Program Files (x86)Tesseract-OCR essdataconfigs文件夹目录下，复制digits并命名为yours，用notepad++编辑

tessedit_char_

如果你是使用的3.04，按教程直接使用

tesseractC:1.jpgC:1yours

你会很轻松地得到想要的结果。

但是如果你使用的是4.00，耐歼你会发现白名单毫无作用。

奇怪，难道是配置环境出错了？还是字母打错了？都不是。

tesseract提供了OCR引擎模式。

0=仅限原始Tesseract
1=只有神经网络LSTM
2=Tesseract+LSTM
3=基于可用的默认值

目前LSTM是无法支持轿亩碧白名单的，并且似乎tesseract的团队无意去解决闭举这个问题。

选择原始tesseract 即 --oem 0

tesseract--oem0C:1.jpgC:1yours

这样你就能使用白名单了。但是识别正确率会比原先低。

Ⅶ mac安装tesseract4.0 tesseract命令在哪个目录下

tesseract-ocr(开源图像识别引擎)

1.打开下载的压缩包，找到“tesseract-ocr-setup-3.02.02.exe”，双击运行，进入下图所示安装界面，点击“next”。

2.勾选“I
accept....”，然后点击“next”。

3.选择可以使用该软件的用户，这里我们选择第一个，任何使用该电脑的人都可以使用它，然后点击腔桐拆"next"。

4.选择安装路径，之后点击“next”。

5.选择需要安装的组件，默认是没有勾选语言组件的，我们可以勾选自己想要识轮粗别的语言。勾选简体中文的话，那么就可以识别有简体中文的图像了，其他语言同理。

6.正在安装中，请耐心等待。

7.安装完成之后我们伍枣打开cmd，输入“tesseract”，出现下图所示表示安装成功
/

Ⅷ 如何用Tesseract做日文OCR

下载chi_sim.traindata字库
下闹仔载tesseract-ocr-setup-3.02.02.exe
下载地址：http://code.google.com/p/tesseract-ocr/downloads/list
下载jTessBoxEditor用于修改box文件
下载地址：http://download.csdn.net/detail/a443475601/5896893 里面自带java运行库，安装后 然后启动命令行 java -jar jTessBoxEditor.jar即可打开

为了方便 tif文面命名格式[lang].[fontname].exp[num].tif
lang是语言 fontname是字体
比如我们要训练自定义字库 image 字体名MyFont
那么我们把tif文件重命名 image.MyFont.exp0.tif

下面开始训练字库：
1、tesseract image.MyFont.exp0.tif image.MyFont.exp0 -l chi_sim batch.nochop makebox
该步骤会生成一个image.MyFont.exp0.box文件
把tif文件和box文件放在同一目录，用jTessBoxEditor.jar打开tif文件，然后根据实际情型弯举况修改box文件
2、tesseract image.MyFont.exp0.tif image.MyFont.exp0 nobatch box.train
该步骤生成一个image.MyFont.exp0.tr文件
3、unicharset_extractor image.MyFont.exp0.box
该步骤生成一个unicharset文件
4、新建一个font_properties文件
里面内容写入MyFont 0 0 0 0 0 表示默认普通字体
5、运行命令
shapeclustering -F font_properties -U unicharset image.MyFont.exp0.tr
mftraining -F font_properties -U unicharset -O image.unicharset image.MyFont.exp0.tr
cntraining image.MyFont.exp0.tr
6、把目录下的unicharset、inttemp、pffmtable、shapetable、normproto这五个文件前面都卜碧加上image.
7、执行combine_tessdata image.
然后把image.traineddata放到tessdata目录
8、用新的字库对图片进行分析
tesseract test.tif output -l image

Ⅸ tesseract 训练字库 python 怎么调用

1、系统环境

OS X 10.7
MacBook Pro(13英寸，2012年初期)
Python 2.7

2、需要软件包
a、需要安装PIL以及pytesseract库

Python-tesseract是一个基于google's Tesseract-OCR的独立封装包；
Python-tesseract功能是识别图片文件中文字，并作为返回参数返回识别结果；
Python-tesseract默认支持tiff、bmp格式图片，只有在安装PIL之后，才能支持jpeg、gif、png等其他图片格式；
Python-tesseract支持python2.5及更高版本；
PIL［Python Imaging Library］来支持更多的图片格式；
b、需要安装google tesseract-ocr

执行命令行 tesseract.exe 1.png output -l eng ，可以识别1.png中文字，并把识别结果输出到output.txt中；
Pytesseract对上述过程进行了二次封装，自动调用tesseract.exe，并读取output.txt文件的内容，作为函数的返回值进行返回。