為什么要讓孩子學(xué)編程？看了這篇文章，你就知道編程的強(qiáng)大之處了！

你遇到以下的情況嗎？

你負(fù)責(zé)整理一些文件，結(jié)果發(fā)現(xiàn)文件沒(méi)有word存檔，這又需要我們把圖片變成word。

或者是在今日頭條上看到了某片好文章，結(jié)果內(nèi)容卻是圖片，你特別想把他變成文字分享給朋友。

如果你遇到過(guò)這些問(wèn)題，千萬(wàn)不要錯(cuò)過(guò) pytesseract 這個(gè)好工具！它能夠用很簡(jiǎn)單、基礎(chǔ)的方法將圖片轉(zhuǎn)換成文字(分辨圖片中的文字)。在我們開始介紹 pytesseract 這個(gè) Python 模塊之前，先來(lái)認(rèn)識(shí)一下 Tesseract OCR 到底是什么吧！

OCR 與 Tesseract

OCR 為光學(xué)文字識(shí)別的縮寫（Optical Character Recognition，OCR），白話一點(diǎn)就是將圖片翻譯為文字。而 Tesseract 是一個(gè) OCR 模組，目前由 Google 贊助。Tesseract 已經(jīng)有 30 年歷史，一開始它是惠普實(shí)驗(yàn)室的一款專利軟體，于 2005 年開源，從 2006 年后由 Google 贊助進(jìn)行后續(xù)的開發(fā)和維護(hù)， Tesseract 也是目前公認(rèn)最優(yōu)秀、最精準(zhǔn)的開源 OCR 系統(tǒng)。

除了極高的精準(zhǔn)度外，Tesseract 也有很高的靈活性，能夠通過(guò)訓(xùn)練識(shí)別出任何字體（只要這些字體的風(fēng)格不變就可以），也能識(shí)別出任何 Unicode 字符，是不是非常厲害呢？我們待會(huì)會(huì)用到的 pytesseract 模塊就像是Tesseract的 python 包。

下面讓我們來(lái)動(dòng)手嘗試下:

第一步 安裝模塊

pip3 install pillowpip3 install pytesseract

第二步 編寫程序

from PIL import Imageimport pytesseractimg = Image.open('test1.png')text = pytesseract.image_to_string(img, lang='eng')print(text)

首先，第一行和第二行是將我們剛剛安裝的模塊導(dǎo)入到程序中。

PIL 包含在剛剛安裝的 pillow 模組，其中的 Image 模組能夠讀取圖片檔。

我們將想要轉(zhuǎn)成文字的圖片檔，放在和這支程式相同的目錄。

第四行的 'test1.png' 是相對(duì)于這個(gè)程序(.py文件)的路徑，也就是該圖片的文件名，因此必須放在同一個(gè)資料夾程序才找得到文件，而且文件名與路徑名都是不可省略的。

所有辨識(shí)文字、轉(zhuǎn)換的複雜過(guò)程全部都寫在 pytesseract 中了，我們只需要知道如何調(diào)用即可。接著看到第五行，image_to_string函式有一個(gè)關(guān)鍵字引數(shù) lang，默認(rèn)是英文，可以改變成你想要的語(yǔ)言字串。

結(jié)語(yǔ)

簡(jiǎn)單暴力，5行代碼就可以將圖片轉(zhuǎn)化為文字，是不是很方便呢？除了生活中的一些小問(wèn)題能用 pytesseract 解決，在開發(fā)爬蟲程序時(shí)，經(jīng)常會(huì)遇到需要驗(yàn)證碼的情況，這時(shí)就能利用這個(gè)模塊輕松解決。