- 安装 Python 库
pytesseract：这是一个 Python 包，它作为 OCR（光学字符识别）引擎 Tesseract 的一个封装器。 - 安装 Tesseract OCR 引擎本身：
pytesseract只是一个接口，它需要调用底层的 Tesseract 程序才能工作，这个程序不是 Python 包,而是需要单独安装的可执行文件。
下面我将为你提供详细的、分步的安装指南，涵盖不同操作系统（Windows, macOS, Linux）以及一些常见问题的解决方案。
（图片来源网络，侵删）
第一步：安装 Python 库 pytesseract
在你的终端或命令行工具中运行以下命令,推荐使用虚拟环境来管理项目依赖。
# 使用 pip 安装 pip install pytesseract # 或者使用 pip3 (如果你有多个 Python 版本) pip3 install pytesseract
第二步：安装 Tesseract OCR 引擎
这是最关键的一步,根据你的操作系统选择对应的安装方法。
Windows 系统安装
-
下载 Tesseract 安装程序
- 访问 Tesseract 的官方发布页面：https://github.com/UB-Mannheim/tesseract/wiki
- 在页面中找到 "Tesseract installer" 的下载链接，通常是一个
.exe文件。 - 重要：请下载与你系统位数匹配的版本（32位或64位），如果你不确定,64位通常是更安全的选择。
-
运行安装程序
（图片来源网络，侵删）- 双击运行下载的
.exe文件。 - 关键步骤：在安装过程中，务必勾选 "Add to PATH" 选项，这会让系统在任何位置都能找到
tesseract.exe文件,避免后续配置麻烦。 - 你也可以选择自定义安装路径，
C:\Program Files\Tesseract-OCR,但默认路径通常就很好。
- 双击运行下载的
-
验证安装
- 打开一个新的命令提示符或 PowerShell 窗口（必须重新打开，否则 PATH 不会更新）。
- 输入以下命令检查是否安装成功：
tesseract --version
- 如果成功，它会显示 Tesseract 的版本号和语言列表。
macOS 系统安装
使用 Homebrew 是最简单的方式。
-
安装 Homebrew (如果尚未安装) 打开终端,运行：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
-
使用 Homebrew 安装 Tesseract
（图片来源网络，侵删）brew install tesseract
-
验证安装
tesseract --version
Linux 系统安装 (以 Ubuntu/Debian 为例)
使用系统的包管理器进行安装。
-
更新包列表并安装 Tesseract
# 更新包列表 sudo apt-get update # 安装 Tesseract sudo apt-get install tesseract-ocr
-
(可选) 安装语言包 Tesseract 默认只安装英文，如果你需要识别其他语言（如中文、法语等）,需要安装对应的语言包。
- 安装英文和中文简体语言包：
sudo apt-get install tesseract-ocr-chi-sim tesseract-ocr-eng
- 你可以运行
apt-cache search tesseract-ocr来查看所有可用的语言包。
- 安装英文和中文简体语言包：
-
验证安装
tesseract --version
第三步：在 Python 代码中使用
环境已经配置好了，你可以在 Python 代码中测试 pytesseract。
-
安装 Pillow 库
pytesseract通常需要处理图像文件，而Pillow是 Python 中最常用的图像处理库，如果还没安装,请先安装它：pip install Pillow
-
编写测试代码
你需要一个图片文件来测试，假设你有一张名为
image.png的图片,里面包含文字。import pytesseract from PIL import Image # (可选) Tesseract 不在系统 PATH 中，你需要指定它的安装路径 # Windows 示例: # pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # macOS 示例 (通过 Homebrew 安装的路径): # pytesseract.pytesseract.tesseract_cmd = '/opt/homebrew/bin/tesseract' # Apple Silicon Mac # pytesseract.pytesseract.tesseract_cmd = '/usr/local/bin/tesseract' # Intel Mac # Linux 示例 (通常在 /usr/bin/): # pytesseract.pytesseract.tesseract_cmd = '/usr/bin/tesseract' # 打开图片文件 # 确保你有一张名为 'image.png' 的图片在脚本同目录下 try: image = Image.open('image.png') except FileNotFoundError: print("错误：请确保 'image.png' 文件存在于当前目录。") exit() # 使用 pytesseract 进行 OCR 识别 # lang='chi_sim+eng' 表示同时识别中文简体和英文 text = pytesseract.image_to_string(image, lang='eng') # 打印识别结果 print("识别结果：") print(text)
常见问题与解决方案 (FAQ)
Q1: TesseractNotFoundError(tesseract not found) 错误
- 原因：Python 找不到
tesseract.exe或tesseract命令，这通常是因为 Tesseract 没有安装，或者没有正确添加到系统环境变量PATH中。 - 解决方案：
- Windows：确保你在安装 Tesseract 时勾选了 "Add to PATH"，如果没勾选，可以手动将 Tesseract 的安装路径（
C:\Program Files\Tesseract-OCR）添加到系统环境变量PATH中，然后重启你的编辑器/终端。 - 通用解决方案：在 Python 代码中，通过
pytesseract.pytesseract.tesseract_cmd明确指定 Tesseract 可执行文件的完整路径,如上面的测试代码所示。
- Windows：确保你在安装 Tesseract 时勾选了 "Add to PATH"，如果没勾选，可以手动将 Tesseract 的安装路径（
Q2: 识别率低，或者无法识别中文
- 原因：最常见的原因是没有安装对应语言的训练数据包，Tesseract 默认只包含英文。
- 解决方案：
- Windows：重新运行 Tesseract 安装程序，在 "Component to install" 部分，勾选你需要的语言（如
Chinese (Simplified)）。 - macOS/Linux：使用包管理器安装对应语言包,如上文所述。
- 代码中指定语言：在
image_to_string函数中，使用lang参数指定语言代码。lang='eng'：仅英文lang='chi_sim'：仅中文简体lang='chi_sim+eng'：中文简体和英文混合识别
- Windows：重新运行 Tesseract 安装程序，在 "Component to install" 部分，勾选你需要的语言（如
Q3: AttributeError: module 'PIL' has no attribute 'Image'
- 原因：这是一个经典的
Pillow库问题。Pillow是PIL(Python Imaging Library) 的一个分支，当你安装Pillow后，应该通过from PIL import Image来导入，而不是import Image。 - 解决方案：检查你的
import语句，确保是from PIL import Image。
按照以上步骤，你应该就能成功安装并使用 pytesseract 了,祝你编码愉快！
