Python 图片文字识别 (OCR) - Tesseract 版本

这段Python代码实现了一个基于Tesseract OCR引擎的图片文字识别工具。主要功能包括：自动检测Tesseract安装路径，支持多语言识别（默认中英文混合），检查语言包可用性，并提供友好的错误提示。使用时需通过命令行传入图片路径，程序会输出识别结果。依赖pytesseract和Pillow库，需要预先安装Tesseract OCR引擎（Windows版建议从指定链接下载并安装中文语言包）。代码还包含路径自动查找、语言包验证等实用功能，是一个完整的OCR解决方案。

识别效果

® ocrrecognizepy X

® ocr recognize.py >...
418 def ocr_image(image_pat!

: str, lang: str = "chi_simteng") -> str:

"       amg"= atiege-open(amage pain)
29      text = pytesseract.image_to_string(img, lang-lang)
30       return text

31

32

33 if _name_ == "_main_":

34      if len(sys.argv) <

35         print "用法: python ocr_recognize.py "图片路径>)
36          print "示例: python ocr_recognize.py test.png")
37          sys-exit(1)

38

39      image_path = sys.argv[1]

40      if not Path(image_path).exists():

41         print (f"错误: 文件不存在 - {image_path}")

42          sys-exit(1)

43

44            print("正在识别. - ...)

45      result = ocr_image(image_path)

46      print( "识别结果:")

47       print(result)

48

PROBLEMS OUTPUT DEBUG CONSOLE TERMINAL PORTS

1、Tesseract OCR 引擎下载: https://github.com/UB-Mannheim/tesseract/wiki

2、安装好后直接加入tesseract.exe路径即可

Python代码

"""
图片文字识别 (OCR) - Tesseract 版本
依赖: pip install pytesseract Pillow
Tesseract OCR 引擎下载: https://github.com/UB-Mannheim/tesseract/wiki
"""

import sys
import os
from pathlib import Path
from PIL import Image

try:
    import pytesseract
except ImportError:
    print("请先安装依赖: pip install pytesseract Pillow")
    sys.exit(1)

TESSERACT_COMMON_PATHS = [
    r"C:\Program Files\Tesseract-OCR\tesseract.exe",
    r"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe",
    r"C:\Users\Administrator\AppData\Local\Programs\Tesseract-OCR\tesseract.exe",
    os.path.expandvars(r"%LOCALAPPDATA%\Programs\Tesseract-OCR\tesseract.exe"),
    os.path.expandvars(r"%USERPROFILE%\AppData\Local\Tesseract-OCR\tesseract.exe"),
]


def find_tesseract() -> str:
    for path in TESSERACT_COMMON_PATHS:
        if os.path.isfile(path):
            return path
    return ""


def init_tesseract() -> bool:
    tesseract_path = find_tesseract()
    if tesseract_path:
        pytesseract.pytesseract.tesseract_cmd = tesseract_path
        return True
    try:
        pytesseract.get_tesseract_version()
        return True
    except pytesseract.TesseractNotFoundError:
        return False


def check_language(lang: str) -> str:
    try:
        available = pytesseract.get_languages(config='')
    except Exception:
        return lang

    requested = lang.split('+')
    available_langs = [l for l in requested if l in available]
    missing_langs = [l for l in requested if l not in available]

    if missing_langs:
        print(f"警告: 缺少语言包: {', '.join(missing_langs)}")
        print(f"可用语言: {', '.join(available)}")

    if not available_langs:
        if 'eng' in available:
            print("自动降级为英文识别 (eng)")
            return 'eng'
        return available[0] if available else 'eng'

    return '+'.join(available_langs)


def ocr_image(image_path: str, lang: str = "chi_sim+eng") -> str:
    """
    识别图片中的文字

    Args:
        image_path: 图片路径
        lang: 识别语言，默认为简体中文+英文
    Returns:
        识别出的文字
    """
    img = Image.open(image_path)
    actual_lang = check_language(lang)
    text = pytesseract.image_to_string(img, lang=actual_lang)
    return text


if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("用法: python ocr_recognize.py <图片路径>")
        print("示例: python ocr_recognize.py test.png")
        sys.exit(1)

    if not init_tesseract():
        print("错误: 未找到 Tesseract OCR 引擎")
        print()
        print("请按以下步骤安装:")
        print("1. 下载 Tesseract-OCR for Windows:")
        print("   https://github.com/UB-Mannheim/tesseract/wiki")
        print("2. 安装时勾选 Chinese (Simplified) 语言包")
        print("3. 默认安装路径: C:\\Program Files\\Tesseract-OCR\\")
        print("4. 或将 tesseract.exe 所在目录加入系统 PATH")
        sys.exit(1)

    image_path = sys.argv[1]
    if not Path(image_path).exists():
        print(f"错误: 文件不存在 - {image_path}")
        sys.exit(1)

    print("正在识别...")
    result = ocr_image(image_path)
    print("识别结果:")
    print(result)