tessdata 中文识别差 tess ocr

OCR介绍

---

OCR，即 Optical Character Recognition，光学字符识别。是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。那么对于图形验证码来说，它都是一些不规则的字符，但是这些字符确实是由字符稍加扭曲变换得到的内容。

我们利用OCR技术可将简单的图形验证码转化为电子文本，然后爬虫将识别结果提交给服务器，便可以达到自动识别验证码的过程。

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，所以在安装 Tesserocr库 之前我们需要先安装 Tesseract软件

简单来说有两个步骤：

1.安装 Tesseract软件

2.安装tseserocr库

---

下载软件

在 Windows 下，首先需要下载 Tesseract，它为 Tesserocr 提供了支持，下载链接为：http://digi.bib.uni-mannheim.de/tesseract/。

点击进入之后可以看到有各种 exe 的下载列表，在这里可以选择下载 4.0 版本 tesseract-ocr-setup-4.00.00dev.exe，如图所示：

其中文件名中带有 dev 的为开发版本，不带 dev 的为稳定版本。

下载完成之后双击安装即可，在安装过程中可以勾选上 Additional language data 选项，安装 OCR 识别支持的语言包，这样 OCR 便可以识别多国语言。

复制你的安装路径，我的安装路径 D:\study_Tesseract-OCR\Tesseract-OCR，界面如下：

打开我的电脑系统属性 -> 高级 -> 环境变量，把该路径配置到环境变量：

然后将下载好的字库放到 Tesseract-OCR 项目的 tessdata 文件夹里面。

接下来再安装 Tesserocr 即可，直接使用 Pip 安装：

pip3 install tesserocr pillow

---

但是这里可能出现问题！！

通过命令行 pip3 install tesserocr pillow 安装库时遇到了报错，报错时忘记截图，大致如下

解决方案：

1. 如果有报wheel的问题，请先安装wheel包。直接pip安装即可pip install wheel
2. 如果没有报wheel的问题，就下载对应的.whl文件，下载地址为Releases · simonflueckiger/tesserocr-windows_build · GitHub

下载后，把下载下来的.whl文件放在任意路径下 (最好是环境变量中的文件夹)。然后通过pip命令安装该文件，运行pip install C:\Users\admin\Downloads\tesserocr-2.4.0-cp36-cp36m-win_amd64.whl（这里pip install后面跟着的是自己下载好的.whl文件即可）

3.如果还报tessdata的错误，将Tesseract-OCR下的tessdata文件复制到你的Python安装路径下即可，如下图

 至此应该没问题了。运行结果如下

---