pyocr的安装使用简要指南

摘要: 在Ubuntu上安装使用pyocr的简略说明

pyocr是一个Python的OCR类库，他的github地址是:https://github.com/jflesch/pyocr 。

如果要使用这个类库，需要环境上有几个依赖:

tesseract-ocr：一个开源的OCR类库,要求是在3.01以上(可以用 tesseract --version 命令检测版本)

PIL：Python的图片处理类库

Python的版本>=2.7

我的测试环境是ubuntu 15.10

可以使用help命令检查是否存在需要PIL

Python 2.7.10 (default, Oct 14 2015, 16:09:02)
[GCC 5.2.1 20151010] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> help("modules")

如果不存在PIL,可以使用命令安装

$ sudo apt-get install python-imaging

安装tesseract-ocr。

这个安装步骤相对来说比较简单。

从网上下载源码包之后进行解压，然后进行编译安装即可，安装步骤如下：

./autogen.sh
./configure
make
sudo make install
sudo ldconfig

安装语言包，这个可以从网上直接安装，我这里只是安装了英文和中文的语言包

$ sudo apt-get install tesseract-ocr-eng tesseract-ocr-chi-sim

然后配置系统环境：

export TESSDATA_PREFIX="tessdata所在的路径”

这样就可以进行测试了

$ tesseract t2.png out -l chi_sim

至此，环境已经处理完毕，就可以按照说明来安装pyocr了。

下载pyocr源码包，解压执行命令去安装

$ sudo python ./setup.py install

如果没有出现意外的话就已经安装成功，可以尝试一个demo来验证我们的安装配置是否成功

下面是一个识别图片上中文的demo，这个可以根据自己的环境修改:

from PIL import Image
import sys
import pyocr
import pyocr.builders
image_path = sys.argv[1]
tools = pyocr.get_available_tools()
if len(tools) == 0:
print("No OCR tool found")
sys.exit(1)
tool = tools[0]
print("Will use tool '%s'" % (tool.get_name()))
# Ex: Will use tool 'tesseract'
langs = tool.get_available_languages()
print("Available languages: %s" % ", ".join(langs))
lang = langs[1]
print("Will use lang '%s'" % (lang))
# Ex: Will use lang 'fra'
txt = tool.image_to_string(
Image.open(image_path),
,
builder=pyocr.builders.TextBuilder()
)
print txt

~

需要说明的是，安装tesseract-ocr需要编译环境的支持，我这边没有检查，所以出现了下面的错误

1、wrong: autogen.sh: 60: autogen.sh: aclocal: not found

缺少: automake

2、autogen.sh: 65: autogen.sh: libtoolize: not found

autogen.sh: 65: autogen.sh: glibtoolize: not found

缺少： libtool

3、configure: error: leptonica not found

sudo apt-get install libleptonica-dev