Make a little progress every day
Python批量识别目录中所有图片中的所有文字并保存到txt文档中
第一步安装所需要的库（我使用的是python 3.6）
1 2 | pip install Pillowpip install pytesseract |
第二步下载tesseract.exe文件
1 2 | 源码：https://github.com/tesseract-ocr/tesseract（无需下载）下载地址：https://digi.bib.uni-mannheim.de/tesseract/ |
第三步安装tesseract
1 | 双击下载的安装文件，安装到你的电脑（我安装在：E:\Program Files\Tesseract-OCR） |
第四步配置环境变量（必须否则会报错）
1 2 | 变量名：TESSDATA_PREFIX变量值：E:\Program Files\Tesseract-OCR\tessdata |
第五步修改pytesseract.py（必须否则会报错）
1 2 3 4 5 6 | 打开C:\python36\Lib\site-packages\pytesseract\pytesseract.py里面大概在24或26行tesseract_cmd = 'tesseract'改为tesseract_cmd = 'E:/Program Files/Tesseract-OCR/tesseract.exe' |
第六步下载中文字体包（如果你要识别中文的话）
1 2 3 | https://github.com/tesseract-ocr/tessdata找到chi_sim.traineddata，下载到本地后存放到E:\Program Files\Tesseract-OCR\tessdata目录运行 E:\Program Files\Tesseract-OCR\tesseract --list-langs 可以查看你目前支持的字体库 |
第七步上代码如下：
'''
Python批量识别
目录中所有图片中的所有文字
并保存到txt文档中
'''
from PIL import Image
import pytesseract
import string,re,os
def imgtostr(imgpath):
'''识别图片中的所有文字'''
image = Image.open(imgpath)
text=pytesseract.image_to_string(image,lang='chi_sim') #调用识别引擎识别
text=text.replace("\n","") #去换行
return text
def writefile(path,strstr):
'''将文字累加写入txt文档'''
with open(path+'/word.txt',"a", encoding= "utf-8") as f:
f.write(strstr)
f.write("\n\n")
if __name__ == '__main__':
print("\n")
path = input('请输入要识别的图片目录：')
print("\n.................start\n")
for foldName, subfolders, filenames in os.walk(path):
toltal = 0
for fe in filenames:
grpaimg = path + '/' + fe
print(grpaimg)
textddd = imgtostr(grpaimg)
writefile(path,grpaimg+":\n"+textddd)
print(textddd, end="\n\n")
print(".................end")