Tesseract入门--把图片里印刷文字提取成文本

axinawang2026-08-29 13:30

Tesseract 是 Google 开源 OCR 光学字符识别引擎，Apache2.0 协议，把图片里印刷文字提取成文本，支持 130 + 语言，没有自带 GUI，命令行 / API 调用，当前稳定版 5.x（LSTM 深度学习模型）。

⚠️ 只擅长印刷体；手写识别很差；中文需要单独中文训练包 chi_sim。

下载

1、tesseract-ocr-w64-setup-5.5.3.20260724资源-CSDN下载

2、Home · UB-Mannheim/tesseract Wiki · GitHub

安装要点

1、运行 exe 安装包

2、展开 Additional language data → 勾选 Chinese (Simplified) 简体中文语言包（识别中文必须）

3、默认路径：C:\Program Files\Tesseract-OCR，配置到环境变量PATH。

验证是否安装成功

复制代码

tesseract --version

查看已装语言：

bash 复制代码

tesseract --list-langs

Python 侧安装

bash 复制代码

pip install pytesseract pillow

英文识别

被识别图片

识别代码

python 复制代码

from PIL import Image
import pytesseract

# Windows如果没配置PATH，取消下面注释写对路径
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract‑OCR\tesseract.exe'

img = Image.open("english.png")
text = pytesseract.image_to_string(img, lang="eng")
print(text)

数字识别

被识别图片

识别代码

python 复制代码

from PIL import Image
import pytesseract

# Windows如果没配置PATH，取消下面注释写对路径
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract‑OCR\tesseract.exe'

img = Image.open("digital.png")
text = pytesseract.image_to_string(img)
print(text)

中英混合识别

被识别图片

识别代码

python 复制代码

from PIL import Image
import pytesseract

# Windows如果没配置PATH，取消下面注释写对路径
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract‑OCR\tesseract.exe'

img = Image.open("test.png")
text = pytesseract.image_to_string(img, lang="chi_sim+eng") #中英混合识别
print(text)