使用Python中的pytesseract模块实现抓取图片中文字
最近同事用网上提供扫描软件进行扫描识别文字，每天上线只能够做两次扫描，请求我研发一个小工具帮助解决识别图片的中文字，最终我选择使用pytesseract模块可以解决这个需求问题，本文给大家分享实现代码操作感兴趣的朋友跟随小编一起看看吧！
一、需求分析
最近同事用网上提供扫描软件进行扫描识别文字，每天上线只能够做两次扫描，请求我研发一个小工具帮助解决识别图片的中文字。
二、方案选择
使用pytesseract模块可以解决这个需求问题，pytesseract是光识别图片的模块。需要安装第三方资源库进行搜索。
三、实验实操
3.1、配置环境
Anaconda3.0，pycharm2022版，python3.7.0，win10
3.2、 Anaconda配置
先配置Anaconda3的环境，找到默认安装路径C:\Users\Administrator\.condarc(看自己环境安装哪里)
将.condarc文件备份一个，然后加载源的配置项拷贝进去，重启Anaconda3程序，生效配置项。
加载源：
channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/show_channel_urls: truessl_verify: true
3.3、安装tesseract程序
下载tesseract的exe安装文件，安装包地址：https://github.com/UB-Mannheim/tesseract/wiki
我下的是tesseract-ocr-w64-setup-v5.0.1.20220118.exe版本。（本机是64位操作系统）
选配项中记得选择中文的语言，后期识别中文字体做准备。
配置tesseract系统环境变量，将tesseract-ocr的绝对路径配置在系统变量中。
【从C:\Program Files\Tesseract-OCR安装目录下，直接把tessdata 文件夹里的内容都复制到C:\Users\Administrator\Anaconda3，另外tessdata 文件夹里chi_sim.traineddata，eng.traineddata文件需要复制到C:\ProgramData\Anaconda3下，不然后面运行程序会提示找不到文件，配置好环境变量也不行！】（据说是霸王条款）
重启系统让变量生效。
3.4、安装pytesseract模块
运行Anaconda 终端命令，执行conda install tesserocr pillow
系统已经显示我已经安装。（安装的时间有一些长，需要耐性等待。）
执行另外一个指令conda install pytesseract (安装pytesseract,这个安装需要一点时间等待了）
使用python语句进行验证。
3.5、见证奇迹的环节
测试1：
在pycharm编译器中执行语句操作：
from PIL import Image
import pytesseract
image = Image.open("粉丝.jpg") #打开图片
#print(image.size) #测试图片像素尺寸
text = pytesseract.image_to_string(image, lang='chi_sim') #图片转字符串
text = text.replace("“ ","").replace("。","") #去掉杂质，提纯
print(text) #测试结果原图片粉丝.jpg：
编译结果：.(已经成功识别图片内部的文字，进行呈现。)
测试2：
原图2
测试结果：可以正常识别图片文字出来了。
