开篇寄语
此前，伯衡君曾经介绍过如何语音转文本，具体可以参看下方的前情提要。市面上有不少内容识别的应用，其实大体上效果相差不多，可能很多产品就是用的这个库——Pytesseract，支持语言众多，那么使用python其实就可以简单做成，那么该如何实现呢？请看这篇。
前情提要
准备要素
- 本机上安装python3
- 安装Pillow这个库，参考这篇文章《Python的Pillow库真是一个作图神器，极大提高作图效率》
- 安装Pytesseract这个库
安装Pytesseract
虽然安装该库都可以用一个命令，即：
pip install pytesseract
默认是英语的，如果想安装不同语言，在不同系统中，安装方法也不同。
- MacOS
brew install tesseract-lang
- Linux(Ubuntu)，安装正体中文，更多语言支持列表，可以参看这个网页：传送门
sudo apt-get install tesseract-ocr-chi_tra
- Windows，可以直接下载应用安装，点击这个地址：传送门
安装也很简单，下载最新日期的安装包喽，直接安装即可。
在其中一步，选择安装各种语言。
安装完成后，需要配置环境变量。
点击此电脑，右键，属性——进阶系统设定——高级——环境变量——path，新增添加你的tesseract 目录就可以了。
点击确定后即可。
检测是否安装成功，打开cmd调试窗口。
tesseract --version
就会出现安装的tesseract版本了。
输入支持的语言列表，请输入以下命令：
tesseract --list-langs
这样就能看到支持的语言了。
打开cmd，分别输入以下两段代码回车：
pip install pytesseract
pip install tesseract
在书写脚本中每次添加这样一句：
pytesseract.pytesseract.tesseract_cmd = 'D:\Program Files (x86)\tesseract-OCR\tesseract.exe' # 咱们的路径可能不一样
如何识别
好，前期准备已经搞定了，接下来就是简单python代码就可以实现了。比如这张图吧：
代码如下：
try:
from PIL import Image
except ImportError:
import Image
import pytesseract
pytesseract.pytesseract.tesseract_cmd = 'D:\Program Files (x86)\tesseract-OCR\tesseract.exe'
def ocr_core(filename):
text = pytesseract.image_to_string(Image.open(filename))#如果想识别其他语言，比如简体中文，可以这样写text = #pytesseract.image_to_string(Image.open(filename), lang='chi_sim')
return text
with open("result.txt","w") as f:
f.write(ocr_core('demo.png'))
这样就把识别的结果，都放进了一个txt文件了，如下图所示：
怎么样，是不是很简单，搭配Tkinter可以制作出自己的语言识别应用，就是这么简单。
ArrayArrayArray- 我的微信
- 微信扫一扫加好友
-
- 我的微信公众号
- 扫描关注公众号
-
