pytesseract库安装

pytesseract库安装指南

pytesseract是Google Tesseract OCR引擎的Python封装库，用于在Python中实现图像文字识别。要完成安装并正常使用，需按以下步骤操作：

一、前置准备：安装Tesseract OCR引擎

pytesseract依赖Tesseract OCR引擎才能运行，需先安装引擎并根据系统配置环境变量。

1. Windows系统

下载安装包：前往UB Mannheim官方仓库（https://github.com/UB-Mannheim/tesseract/wiki）下载最新稳定版安装程序（如tesseract-ocr-setup-5.5.0.20241111.exe）。

安装步骤：运行安装程序，勾选“Additional language data (download)”选项（如需中文识别，需额外选择chi_sim简体中文包），按照提示完成安装。

配置环境变量：右键“此电脑”→“属性”→“高级系统设置”→“环境变量”，在“系统变量”的Path中添加Tesseract的安装路径（如C:\Program Files\Tesseract-OCR）。

验证安装：打开命令提示符，输入tesseract -v，若显示版本信息（如Tesseract 5.5.0.20241111），则说明安装成功。

2. macOS系统

安装Tesseract：通过Homebrew安装最新版Tesseract及中文语言包，命令如下：brew install tesseract


brew install tesseract-lang 中文支持（含chi_sim简体中文）

验证安装：终端输入tesseract -v，显示版本信息即成功。

3. Linux系统（以Ubuntu/Debian为例）

安装依赖与引擎：打开终端，执行以下命令安装Tesseract及图像处理依赖：sudo apt update

sudo apt install tesseract-ocr libtesseract-dev libleptonica-dev

sudo apt install tesseract-ocr-chi-sim 中文简体支持（可选）

验证安装：终端输入tesseract -v，显示版本信息即成功。

二、安装pytesseract库

Tesseract引擎安装完成后，通过pip安装pytesseract：

pip install pytesseract

若安装速度较慢，可使用国内镜像源加速（如清华源）：

pip install pytesseract -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，在Python中导入库验证：

import pytesseract

print(pytesseract.get_tesseract_version()) 输出Tesseract版本号即成功

三、环境配置（可选但重要）

若Tesseract未添加到系统PATH中，需在Python代码中手动指定可执行文件路径（仅Windows常见）：

import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' 替换为实际路径

四、常见问题解决

问题1：导入pytesseract报错“No module named 'pytesseract'”：说明pip安装失败，需检查网络或镜像源，重新执行pip install pytesseract。

问题2：运行时报错“tesseract is not installed or it's not in your path”：说明Tesseract未安装或路径未配置，需检查引擎安装及环境变量/代码路径设置。

问题3：中文识别乱码：需下载对应中文语言包（如chi_sim.traineddata），并复制到Tesseract的tessdata目录（如Windows的C:\Program Files\Tesseract-OCR\tessdata，macOS/Linux的/usr/local/share/tessdata）。

完成上面步骤后，即可使用pytesseract进行图像文字识别（如text = pytesseract.image_to_string(Image.open('test.png'), lang='chi_sim')）。