pytesseract簡要解析
大小：0.5 MB 人氣： 2017-10-11 需要積分：1
Python語言中，pytesseract是用于驗證碼、字符識別的常用model。研究OCR期間，接觸到這個模塊。深究其源碼，才明白，這個庫是如此簡單。
安裝：
首先安裝依賴：PIL、Image、tesseract-ocr，然后：
pip install pytesseract
pytesseract在官網上說了自己是個wrapper，真正干活的是tesseract-ocr，即tesseract光學字符識別引擎。所以，這個模塊就是個接口。
Tesserarct識別引擎
esseract-ocr是Google在維護的一個開源項目，本體是HP實驗室在1993年完成的，功能強大。（關于更多，見結尾提示。）
在Tesseract的世界里，有且只有一條命令，展示了其強大功能：
Usage：
tesseract imagename|stdin outputbase|stdout ［options…］ ［configfile…］
舉例來說，對一張需要識別的chinese.png圖片：
在cmd/terminal輸入：tesseract chinese.png output -l chi_sim （*式）
就可以得到如下output.txt文本：
如此簡單純粹，缺點就是單線程。
pytesseract模塊
這是一個Wrapper：
Python-tesseract is a python wrapper for google’s Tesseract-OCR
所以，其底層就是Tesseract識別引擎，只是用Python語言來封裝罷了。那么，封裝的過程是怎樣的呢？
我知道這5步中的關鍵方法（functions）在各位讀者眼里并不是那么通俗易懂。BUT！認真的讀者只要去看pytesseract模塊的源碼（only 202 lines）就能知道這些函數。
Anyway，請看第3步，在run_tesseract（）函數“拼接好tesseract本地調用命令”。什么是本地調用命令？
還記得上面的（*式）嘛？
tesseract chinese.png output -l chi_sim
再看第4步，“執行調用命令”，就是把（*式）放在cmd/terminal里。
就這樣，對于上述chinese.png，也可以得到output.txt文件了。
至此，就是為什么我說“pytesseract是這么簡單的model”……
結語
我笑了…是的，只是開心而已！第一次解析Python的Model，以前pip install model’name 的時候，內心覺得官方源碼一定很難，現在看倒未必！
此后，希望大家多多閱讀源碼，沒有那么難的。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%