四個Python常用OCR庫的用法詳解

更新時間：2023年09月11日 08:56:13 作者：Python數(shù)據(jù)開發(fā)

在接口自動化工作中,經(jīng)常需要處理文字識別的任務,而OCR庫能夠幫助我們將圖像中的文字提取出來,所以本文為大家整理了四個常用的OCR庫以及它們的用法,需要的可以參考下

1、pyocr

PyOCR是一個Python庫，提供了對多個OCR引擎的封裝。它可以方便地在Python中使用不同的OCR引擎進行文本識別。

PyOCR支持以下OCR引擎：

Tesseract：Tesseract是一個開源的OCR引擎，由Google開發(fā)。它支持多種語言，并且在OCR準確性方面表現(xiàn)良好。
Cuneiform：Cuneiform是一個開源的OCR引擎，支持多種語言和字體。
GOCR：GOCR是一個開源的OCR引擎，主要用于識別簡單的文本和數(shù)字。

適用場景：

文字識別和提?。河糜趯⒂∷Ⅲw文字從圖像中提取出來，以便進行文本處理、搜索和分析。
文檔掃描和轉換：用于將掃描的紙質文檔轉換為可編輯的電子文檔。
自動化數(shù)據(jù)錄入：用于將圖像中的數(shù)據(jù)轉換為計算機可讀的格式，以便進行數(shù)據(jù)處理和分析。
圖像標注和分類：用于從圖像中提取文本信息，以便對圖像進行標注和分類。

使用PyOCR進行文本識別的步驟如下：

安裝PyOCR庫和相應的OCR引擎:pip install pyocr
導入PyOCR庫和所需的OCR引擎。
初始化OCR引擎。
打開圖像文件或者將圖像轉換為PIL圖像對象。
使用OCR引擎的image_to_string方法進行文本識別。

示例：以下是一個使用Tesseract庫進行文字識別的示例：

import pyocr
import pyocr.builders
from PIL import Image
# 初始化OCR引擎
tools = pyocr.get_available_tools()
if len(tools) == 0:
    print("No OCR tool found")
    exit(1)
ocr_tool = tools[0]
# 打開圖像文件
image = Image.open('image.jpg')
# 使用OCR引擎進行文本識別
text = ocr_tool.image_to_string(
    image,
    lang='eng',
    builder=pyocr.builders.TextBuilder()
)
# 打印識別結果
print(text)

在這個示例中，首先使用pyocr.get_available_tools()獲取可用的OCR引擎列表，然后選擇第一個可用的引擎進行初始化。接著使用PIL庫打開圖像文件，然后使用OCR引擎的image_to_string方法進行文本識別，同時指定識別語言和文本構建器。最后打印識別結果。

2、pytesseract

pytesseract是一個Python庫，它提供了對Tesseract OCR引擎的封裝。Tesseract是一個開源的OCR引擎，由Google開發(fā)。pytesseract可以方便地在Python中使用Tesseract進行文本識別。

pytesseract具有以下特點：

支持多種語言：pytesseract可以識別多種語言的文字，包括英語、中文、日語等。
支持多種圖像格式：pytesseract可以處理多種常見的圖像格式，如JPEG、PNG、TIFF等。
簡單易用：pytesseract提供了一個簡單的API，只需幾行代碼即可完成文本識別。

使用pytesseract進行文本識別的步驟如下：

安裝pytesseract庫和Tesseract OCR引擎。
導入pytesseract庫。
打開圖像文件或者將圖像轉換為PIL圖像對象。
使用pytesseract庫的image_to_string方法進行文本識別。

以下是一個使用pytesseract進行文本識別的示例：

import pytesseract
from PIL import Image
# 打開圖像文件
image = Image.open('image.jpg')
# 使用pytesseract進行文本識別
text = pytesseract.image_to_string(image)
# 打印識別結果
print(text)

在這個示例中，首先使用PIL庫打開圖像文件，然后使用pytesseract庫的image_to_string方法將圖像中的文字識別為文本，最后打印識別結果。

需要注意的是，使用pytesseract進行文本識別前，需要確保已經(jīng)正確安裝了Tesseract OCR引擎，并將其配置為系統(tǒng)環(huán)境變量之一。這樣pytesseract才能找到并使用Tesseract引擎進行識別。

3、python-tesseract

python-tesseract是一個Python庫，它提供了對Tesseract OCR引擎的封裝。Tesseract是一個開源的OCR引擎，由Google開發(fā)。python-tesseract庫可以方便地在Python中使用Tesseract進行文本識別。

python-tesseract具有以下特點：

支持多種語言：python-tesseract可以識別多種語言的文字，包括英語、中文、日語等。
支持多種圖像格式：python-tesseract可以處理多種常見的圖像格式，如JPEG、PNG、TIFF等。
簡單易用：python-tesseract提供了一個簡單的API，只需幾行代碼即可完成文本識別。

使用python-tesseract進行文本識別的步驟如下：

安裝python-tesseract庫和Tesseract OCR引擎。
導入python-tesseract庫。
打開圖像文件或者將圖像轉換為PIL圖像對象。
使用python-tesseract庫的image_to_string方法進行文本識別。

以下是一個使用python-tesseract進行文本識別的示例：

import pytesseract
from PIL import Image
# 打開圖像文件
image = Image.open('image.jpg')
# 使用pytesseract進行文本識別
text = pytesseract.image_to_string(image)
# 打印識別結果
print(text)

在這個示例中，首先使用PIL庫打開圖像文件，然后使用python-tesseract庫的image_to_string方法將圖像中的文字識別為文本，最后打印識別結果。

需要注意的是，使用python-tesseract進行文本識別前，需要確保已經(jīng)正確安裝了Tesseract OCR引擎，并將其配置為系統(tǒng)環(huán)境變量之一。這樣python-tesseract才能找到并使用Tesseract引擎進行識別。

以下是一個更為復雜的例子，展示了如何使用python-tesseract進行文本識別，并對識別結果進行一些后處理：

import pytesseract
from PIL import Image
import re
# 打開圖像文件
image = Image.open('image.jpg')
# 使用python-tesseract進行文本識別
text = pytesseract.image_to_string(image)
# 去除識別結果中的非法字符
cleaned_text = re.sub(r'[^a-zA-Z0-9\s]', '', text)
# 將識別結果按行分割成列表
lines = cleaned_text.split('\n')
# 去除空行
lines = [line.strip() for line in lines if line.strip()]
# 打印識別結果
for line in lines:
    print(line)

在這個例子中，我們首先使用PIL庫打開圖像文件，然后使用python-tesseract庫的image_to_string方法將圖像中的文字識別為文本。接下來，我們使用正則表達式去除識別結果中的非法字符，只保留字母、數(shù)字和空格。然后，我們將識別結果按行分割成列表，并去除空行。最后，我們逐行打印識別結果。

這個例子展示了如何對識別結果進行一些后處理操作，以獲得更干凈和可讀性更高的文本。根據(jù)實際需求，你可以根據(jù)需要進行更多的后處理操作，如去除特定的字符、提取關鍵信息等。

4、EasyOCR

EasyOCR是一個功能強大且開源、易于使用的OCR庫，適用于各種文字識別任務，包括文檔掃描、圖像處理、自然語言處理等。它可以幫助開發(fā)者快速實現(xiàn)文字識別功能，并應用于各種應用領域。與其他OCR庫相比，EasyOCR具有以下特點：

多語言支持：EasyOCR支持超過80種語言的文字識別，包括中文、英文、日文、韓文等。它可以處理多種語言混合的文本，適用于全球范圍的應用。
高精度識別：EasyOCR使用了深度學習模型和先進的OCR技術，能夠提供高精度的文字識別結果。它在多個公開數(shù)據(jù)集上進行了訓練和測試，具有較高的準確率和魯棒性。
簡單易用：EasyOCR提供了一個簡單的API，使得文字識別變得容易。只需幾行代碼，即可將圖像中的文字轉換為可用的文本。
跨平臺支持：EasyOCR可以在多個平臺上運行，包括Windows、Linux和Mac OS。它支持Python和命令行界面，可以與其他編程語言和工具集成。

使用EasyOCR進行文字識別的步驟如下：

安裝EasyOCR庫：可以使用pip命令安裝EasyOCR庫，例如pip install easyocr。
導入EasyOCR庫：在Python代碼中導入EasyOCR庫，例如import easyocr。
創(chuàng)建OCR對象：創(chuàng)建一個OCR對象，例如reader = easyocr.Reader(['en', 'zh'])，指定要識別的語言。
識別文字：使用OCR對象的readtext方法對圖像中的文字進行識別，例如result = reader.readtext('image.jpg')。
處理識別結果：根據(jù)需要處理識別結果，例如提取文字內容、位置和置信度等。

以下是一個使用EasyOCR進行文字識別的簡單示例：

import easyocr
# 創(chuàng)建OCR對象
reader = easyocr.Reader(['en', 'zh'])
# 識別文字
result = reader.readtext('image.jpg')
# 處理識別結果
for (text, bbox, confidence) in result:
    print(f'Text: {text}, Bbox: {bbox}, Confidence: {confidence}')

在這個示例中，我們首先創(chuàng)建了一個OCR對象，指定了要識別的語言為英文和中文。然后，我們使用OCR對象的readtext方法對圖像文件進行文字識別，返回一個包含識別結果的列表。最后，我們遍歷識別結果，打印每個文字的內容、位置和置信度。