pyocr的安装使用简要指南

jopen 5年前

pyocr是一个Python的OCR类库,他的github地址是:https://github.com/jflesch/pyocr 。

如果要使用这个类库,需要环境上有几个依赖:

    tesseract-ocr:一个开源的OCR类库,要求是在3.01以上(可以用  tesseract --version 命令检测版本)

    PIL:Python的图片处理类库

    Python的版本>=2.7

我的测试环境是ubuntu 15.10

可以使用help命令检查是否存在需要PIL

Python 2.7.10 (default, Oct 14 2015, 16:09:02)   [GCC 5.2.1 20151010] on linux2  Type "help", "copyright", "credits" or "license" for more information.  >>> help("modules")

如果不存在PIL,可以使用命令安装

$ sudo apt-get install python-imaging

安装tesseract-ocr。

这个安装步骤相对来说比较简单。

从网上下载源码包之后进行解压,然后进行编译安装即可,安装步骤如下:

./autogen.sh  ./configure  make  sudo make install  sudo ldconfig

安装语言包,这个可以从网上直接安装,我这里只是安装了英文和中文的语言包

$ sudo apt-get install tesseract-ocr-eng tesseract-ocr-chi-sim

然后配置系统环境:

export TESSDATA_PREFIX="tessdata所在的路径”

这样就可以进行测试了

$ tesseract t2.png out -l chi_sim

至此,环境已经处理完毕,就可以按照说明来安装pyocr了。

下载pyocr源码包,解压执行命令去安装

$ sudo python ./setup.py install

如果没有出现意外的话就已经安装成功,可以尝试一个demo来验证我们的安装配置是否成功

下面是一个识别图片上中文的demo,这个可以根据自己的环境修改:

from PIL import Image  import sys  import pyocr  import pyocr.builders  image_path = sys.argv[1]  tools = pyocr.get_available_tools()  if len(tools) == 0:      print("No OCR tool found")      sys.exit(1)  tool = tools[0]  print("Will use tool '%s'" % (tool.get_name()))  # Ex: Will use tool 'tesseract'  langs = tool.get_available_languages()  print("Available languages: %s" % ", ".join(langs))  lang = langs[1]  print("Will use lang '%s'" % (lang))  # Ex: Will use lang 'fra'  txt = tool.image_to_string(      Image.open(image_path),     ,      builder=pyocr.builders.TextBuilder()  )  print txt

~                  

需要说明的是,安装tesseract-ocr需要编译环境的支持,我这边没有检查,所以出现了下面的错误

1、wrong:  autogen.sh: 60: autogen.sh: aclocal: not found

缺少:   automake

2、autogen.sh: 65: autogen.sh: libtoolize: not found

     autogen.sh: 65: autogen.sh: glibtoolize: not found

缺少: libtool

3、configure: error: leptonica not found

sudo apt-get install libleptonica-dev


来自: http://my.oschina.net/liuke1556/blog/604014