目标在本地装好一个 OCR 库用几行代码把图片变成文字先建立手感。OCR 的完整流程通常包含图像预处理、文字检测、字符识别和后处理。第一期先跳过预处理直接调用封装好的库感受原始输出。1. 经典轻量方案TesseractpytesseractTesseract 是老牌开源引擎pytesseract 只是 Python 封装需要先安装系统级的 Tesseract 可执行文件。Windows 上安装后如果不在 PATH 中需要手动指定路径。python# pip install pytesseract pillow import pytesseract from PIL import Image # Windows 常见需要显式指定引擎路径 # pytesseract.pytesseract.tesseract_cmd rC:\Program Files\Tesseract-OCR\tesseract.exe img Image.open(test.png) text pytesseract.image_to_string(img, langchi_simeng) print(text)注意lang 参数需要提前安装对应语言包。在 Ubuntu 上可以用sudo apt install tesseract-ocr-chi-sim安装简体中文数据。2. 深度学习开箱方案EasyOCR如果不想折腾系统级依赖EasyOCR 是更省事的选择。它基于 PyTorch安装完 pip 包后模型会自动下载支持中英文混合识别。python# pip install easyocr import easyocr reader easyocr.Reader([ch_sim, en]) # 首次运行会下载模型 result reader.readtext(test.png) for bbox, text, score in result: print(text, f{score:.2f})EasyOCR 的返回结果包含坐标、文本和置信度方便后续按位置过滤或排序。3. 中文场景优先PaddleOCR如果主要处理中文文档、票据或表格PaddleOCR 在中文场景下的准确率通常更有优势。安装时注意先装 PaddlePaddle 再装 PaddleOCR。python# pip install paddlepaddle paddleocr from paddleocr import PaddleOCR ocr PaddleOCR(use_angle_clsTrue, langch) result ocr.ocr(test.png, clsTrue) for line in result[0]: print(line[1][0], f{line[1][1]:.2f})第一期建议先用同一张图在三个库上都跑一遍直观感受速度与准确率的差异再决定后续深入哪个。github.0voice
