tesseract ai百度 github的代码 发现还是收费的好用

1. 下载windows版本的tesseract安装包，我下载的版本是是http://3.onj.me/tesseract/网站所维护的，安装后有个doc文件夹，里面有英文的使用文档。为了在全局使用方便，比如安装路径为D:\Application\tesseract，将D:\Application\tesseract添加到环境变量的path中。

2. 为了进行测试，我们在其他文件夹下，比如在桌面建立了一个文件夹进行测试，C:\Users\Administrator\Desktop\pythonTest\tesseract，此文件夹有个验证码图片1.jpg, 在此文件夹打开cmd命令，输入tesseract 1.jpg res， 这个是最基础的用法，就是将1.jpg这个图片的文字转为res.text。默认用英语的语言包。运行完后，文件夹里面出现res.text, 内容就是被转换的文字但是一开始，我却发现报以下错误 
   Error opening data file …. 
   Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your “tessdata” directory. 
   Failed loading language ‘eng’ 
   Teseract couldn’t load any languages! 
   Counld not initialize tesseract

   上面的意思就是说不能加载’eng’语言包。请将tessdata的父文件夹路径设置为TESSDATA_PREFIX环境变量值，这个就是说在环境变量中新建一个系统变量，变量名称为TESSDATA_PREFIX，tessdata是放置语言包的文件夹，一般在你安装tesseract的目录下，即tesseract的安装目录就是tessdata的父目录，把TESSDATA_PREFIX的值设置为它就行了

   

   

3. 重启电脑(我就是没有干这事儿，浪费了2小时折腾各种文档)，然后按照第二部就能成功了
4. 满怀希望发现识别率极差，需要自己做数据训练目前也没这个水平我放弃了

5. # -*- coding: utf-8 -*-
   
   import csv
   import string
   from PIL import Image
   import pytesseract
   
   pytesseract.pytesseract.tesseract_cmd = 'D:\\Program Files\\tesseract\\tesseract.exe'
   
   
   def ocr(img):
       # 获取图片的像素数组
       pixdata = img.load()
       colors = {}
       # 统计字符颜色像素情况
       for y in range(img.size[1]):
           for x in range(img.size[0]):
               if pixdata[x,y] in colors:
                   colors[pixdata[x, y]] += 1
               else:
                   colors[pixdata[x,y]] = 1
   
       # 排名第一的是背景色，第二的是主要颜色
       colors = sorted(colors.items(), key=lambda d:d[1], reverse=True)
       significant = colors[1][0]
       for y in range(img.size[1]):
           for x in range(img.size[0]):
               if pixdata[x,y] != significant:
                   pixdata[x,y] = (255,255,255)
               else:
                   pixdata[x, y] = (0,0,0)
       img.save('bw.png')
       # threshold the image to ignore background and keep text
       # gray = img.convert('L')
       # bw = gray.point(lambda x: 0 if x < 1 else 255, '1')
       # bw.save('captcha_gray.png')
   
       word = pytesseract.image_to_string(img, lang='chi_sim+')
       ascii_word = ''.join(c for c in word if c in string.ascii_letters).lower()
       return ascii_word
   
   files = ('whgn.jpeg', 'fwuo.png', 'ke8m.png', 'm3hn.png', '5enn.png',
            '54xe.jpeg','ea6d.jpeg','kwdg.jpeg','mkek.jpeg','nkng.jpeg',
            'w3lh.jpeg', 'teew.png', '0325.png','37IH')
   
   def test_samples():
       for file in files:
           img = Image.open(file)
           print ('%s is recognized as %s' %(file,ocr(img)))
   
   test_samples()
   

    
6. 后来用百度的ai，瞎解析的很多都不对
7. github里面的代码和oschina 里面的python-OCR 也是不行，很多都是py2 我又改成py3 也是不行，也需要训练
8. 最后我选择https://www.jsdama.com/ 联系了客服给了100点体验分，感觉很稳
9. 该投入还得投入，免费的是最麻烦的搞了 1天。浪费1天时间