简介

• OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程
• Tesseract是一个开源的OCR引擎，能识别100多种语言（中，英，韩，日，德，法…等等），但是Tesseract对手写的识别能力较差。pytesseract是python里的一个基于Tesseract的包。

准备

• 首先下载并安装tesseract-ocr软件。mac上运行 brew install tesseract
• 安装python库，pip install pytesseract和pip install pillow
• 截屏一段文字，将图片存为zen.png

Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.

代码

import pytesseract
from PIL import Image

if __name__ == '__main__':
    print(pytesseract.image_to_string(Image.open('zen.png')))

代码地址

本系列文章和代码已经作为项目归档到github，仓库地址：jumper2014/PyCodeComplete。大家觉得有帮助就请在github上star一下，你的支持是我更新的动力。什么？你没有github账号？学习Python怎么可以没有github账号呢，快去注册一个啦！