Oz828資訊網——每日最新資訊28at.com

1、安裝和配置Pytesseract庫

Pytesseract是Python的一個OCR庫，它是Tesseract OCR引擎的Python封裝。在使用Pytesseract之前，需要先安裝Tesseract OCR引擎和Pytesseract庫?？梢允褂靡韵旅钤贚inux系統中安裝Tesseract OCR和Pytesseract庫：Oz828資訊網——每日最新資訊28at.com

sudo apt-get install tesseract-ocrsudo apt-get install libtesseract-devpip install pytesseract

在Windows系統中，可以從Tesseract OCR的官方網站（https://github.com/UB-Mannheim/tesseract/wiki）下載安裝包，然后使用以下命令安裝Pytesseract庫：Oz828資訊網——每日最新資訊28at.com

pip install pytesseract

2、識別圖片中的文本

使用Pytesseract庫識別圖片中的文本非常簡單。首先，需要導入pytesseract模塊和PIL模塊（用于打開和處理圖片）。然后，可以使用pytesseract.image_to_string()函數來識別圖片中的文本。以下是一個簡單的示例：Oz828資訊網——每日最新資訊28at.com

import pytesseractfrom PIL import Image# 打開圖片img = Image.open('example.png')# 識別圖片中的文本text = pytesseract.image_to_string(img, lang='eng')# 打印識別的文本print(text)

在上面的示例中，pytesseract.image_to_string()函數接受兩個參數：要識別的圖片和語言選項。默認情況下，Pytesseract使用英語語言模型進行識別。如果需要識別其他語言，可以將lang參數設置為對應的語言代碼。Oz828資訊網——每日最新資訊28at.com

3、整理識別的文本

在將識別的文本整理成word、txt和markdown格式的文件之前，需要先對識別的文本進行處理和清洗，以確保輸出的文件格式正確。以下是一些常用的文本處理和清洗操作：Oz828資訊網——每日最新資訊28at.com

• 去除多余的空格和換行符
• 將文本按照段落進行分割
• 將文本按照句子進行分割
• 刪除無用的字符和標點符號
• 將文本轉換為小寫字母（可選）
• ...

下面是一個示例代碼，將識別的文本整理成txt格式的文件：Oz828資訊網——每日最新資訊28at.com

import pytesseractfrom PIL import Image# 打開圖片img = Image.open('example.png')# 識別圖片中的文本text = pytesseract.image_to_string(img, lang='eng')# 去除多余的空格和換行符text = ' '.join(text.split())text = text.replace('/n', ' ')# 將文本按照段落進行分割paragraphs = text.split('/n/n')# 創建txt文件并寫入文本with open('example.txt', 'w') as f:    for p in paragraphs:        f.write(p + '/n/n')

將識別的文本整理成word、markdown格式的文件也類似，只需要將輸出格式從txt改為對應的格式，然后使用相應的庫或工具來生成文件即可。Oz828資訊網——每日最新資訊28at.com

4、完整代碼

下面是一個完整的示例代碼，將識別的文本整理成word、txt格式的文件：Oz828資訊網——每日最新資訊28at.com

import pytesseractfrom PIL import Imageimport docximport os# 打開圖片img = Image.open('example.png')# 識別圖片中的文本text = pytesseract.image_to_string(img, lang='eng')# 去除多余的空格和換行符text = ' '.join(text.split())text = text.replace('/n', ' ')# 將文本按照段落進行分割paragraphs = text.split('/n/n')# 將文本整理成word格式的文件doc = docx.Document()for p in paragraphs:    doc.add_paragraph(p)doc.save('example.docx')# 將文本整理成txt格式的文件with open('example.txt', 'w') as f:    for p in paragraphs:        f.write(p + '/n/n')# 打開生成的文件os.system('start example.docx')os.system('start example.txt')

在上面的代碼中，使用了Python的docx庫來生成word格式的文件。在生成文件之后，使用os模塊打開文件。在Windows系統中，可以使用os.system()函數來打開文件。在其他操作系統中，可能需要使用其他方式來打開文件。Oz828資訊網——每日最新資訊28at.com

本文鏈接：http://www.tebozhan.com/showinfo-26-11845-0.html如何使用Python中的OCR技術將圖像中的文本提取為可編輯文件？

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： SpringBoot 并發編程學習歷程，你所需要的所有知識點！

下一篇： 深度使用了下 Serverless，太絲滑了！