17828資訊網(wǎng)——每日最新資訊28at.com

1、安裝和配置Pytesseract庫(kù)

Pytesseract是Python的一個(gè)OCR庫(kù)，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(kù)。可以使用以下命令在Linux系統(tǒng)中安裝Tesseract OCR和Pytesseract庫(kù)：17828資訊網(wǎng)——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(tǒng)中，可以從Tesseract OCR的官方網(wǎng)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(kù)：17828資訊網(wǎng)——每日最新資訊28at.com

pip install pytesseract

2、識(shí)別圖片中的文本

使用Pytesseract庫(kù)識(shí)別圖片中的文本非常簡(jiǎn)單。首先，需要導(dǎo)入pytesseract模塊和PIL模塊（用于打開(kāi)和處理圖片）。然后，可以使用pytesseract.image_to_string()函數(shù)來(lái)識(shí)別圖片中的文本。以下是一個(gè)簡(jiǎn)單的示例：17828資訊網(wǎng)——每日最新資訊28at.com

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

在上面的示例中，pytesseract.image_to_string()函數(shù)接受兩個(gè)參數(shù)：要識(shí)別的圖片和語(yǔ)言選項(xiàng)。默認(rèn)情況下，Pytesseract使用英語(yǔ)語(yǔ)言模型進(jìn)行識(shí)別。如果需要識(shí)別其他語(yǔ)言，可以將lang參數(shù)設(shè)置為對(duì)應(yīng)的語(yǔ)言代碼。17828資訊網(wǎng)——每日最新資訊28at.com

3、整理識(shí)別的文本

在將識(shí)別的文本整理成word、txt和markdown格式的文件之前，需要先對(duì)識(shí)別的文本進(jìn)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：17828資訊網(wǎng)——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(jìn)行分割
• 將文本按照句子進(jìn)行分割
• 刪除無(wú)用的字符和標(biāo)點(diǎn)符號(hào)
• 將文本轉(zhuǎn)換為小寫字母（可選）
• ...

下面是一個(gè)示例代碼，將識(shí)別的文本整理成txt格式的文件：17828資訊網(wǎng)——每日最新資訊28at.com

import pytesseractfrom PIL import Image# 打開(kāi)圖片img = Image.open('example.png')# 識(shí)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(jìn)行分割paragraphs = text.split('/n/n')# 創(chuàng)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(shí)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(duì)應(yīng)的格式，然后使用相應(yīng)的庫(kù)或工具來(lái)生成文件即可。17828資訊網(wǎng)——每日最新資訊28at.com

4、完整代碼

下面是一個(gè)完整的示例代碼，將識(shí)別的文本整理成word、txt格式的文件：17828資訊網(wǎng)——每日最新資訊28at.com

import pytesseractfrom PIL import Imageimport docximport os# 打開(kāi)圖片img = Image.open('example.png')# 識(shí)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(jìn)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(kāi)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(kù)來(lái)生成word格式的文件。在生成文件之后，使用os模塊打開(kāi)文件。在Windows系統(tǒng)中，可以使用os.system()函數(shù)來(lái)打開(kāi)文件。在其他操作系統(tǒng)中，可能需要使用其他方式來(lái)打開(kāi)文件。17828資訊網(wǎng)——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(shù)將圖像中的文本提取為可編輯文件？

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： SpringBoot 并發(fā)編程學(xué)習(xí)歷程，你所需要的所有知識(shí)點(diǎn)！

下一篇： 深度使用了下 Serverless，太絲滑了！