EasyOCR Python 开源 OCR 工具实战指南

在日常开发与办公场景中，图文识别（OCR）需求无处不在——比如提取图片中的文字、识别身份证或发票信息、批量处理扫描件等。传统 OCR 工具要么收费高昂，要么配置复杂，而 EasyOCR 作为 Python 开源 OCR 库，凭借安装简单、支持多语言、识别精度高等优势，成为入门级 OCR 开发的首选。

本文将从核心特性、环境搭建、基础用法到实战场景，全方位解析 EasyOCR 的使用技巧，帮你快速实现图文识别功能，无需深厚的计算机视觉知识。

一、为什么选择 EasyOCR？

在众多 OCR 工具中，EasyOCR 的核心优势在于轻量化和高性价比，具体体现在：

1. 零门槛上手：API 设计简洁，几行代码即可实现文字识别，无需复杂配置；
2. 多语言支持：默认支持 80+ 种语言（中文、英文、日文、韩文等），可通过参数灵活切换；
3. 识别精度高：基于深度学习模型（CNN+RNN），对印刷体、清晰手写体、截图文字均有较好识别效果；
4. 无额外依赖：底层依赖 OpenCV 和 PyTorch，但安装过程自动处理，无需手动配置；
5. 开源免费：完全免费商用，无需支付授权费用，适合个人开发与企业项目。

适用场景：

• 图片文字提取（如截图、海报、书籍扫描件）；
• 证件识别（身份证、银行卡、营业执照关键信息提取）；
• 批量文档处理（扫描件转文字、PDF 图片页提取文字）；
• 自动化办公（自动识别发票金额、快递单号）；
• 移动端/桌面端 OCR 工具开发（结合 PyQt、Flask 等框架）。

二、环境搭建：5 分钟完成安装

EasyOCR 的安装依赖 Python 环境（3.7+），且需安装 PyTorch（深度学习框架）和 OpenCV（图像处理），推荐通过 pip 一键安装。

1. 基础环境要求

• Python 版本：3.7 ~ 3.10（过高版本可能不兼容部分依赖）；
• 操作系统：Windows、macOS、Linux 均支持（Windows 需提前安装 Visual C++ Redistributable）。

2. 安装步骤

步骤 1：安装 PyTorch（核心依赖）

PyTorch 是 EasyOCR 的深度学习底层框架，需根据操作系统和显卡配置选择安装命令：

• GPU 版本（有 NVIDIA 显卡，加速识别）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

需先安装 NVIDIA 驱动和 CUDA（推荐 11.8 版本）。

• CPU 版本（无 NVIDIA 显卡，通用）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

提示：GPU 版本可大幅提升识别速度（尤其是批量处理时），无显卡则用 CPU 版本即可（单张图片识别耗时约 1~3 秒）。

步骤 2：安装 EasyOCR

pip install easyocr

安装完成后，可通过以下命令验证是否成功：

import easyocr
print(easyocr.__version__) # 输出版本号即成功（如 1.7.1）

3. 语言模型自动下载

EasyOCR 首次使用时，会自动下载对应语言的识别模型（约几十 MB~几百 MB），默认支持'英文 + 中文'模型。若需识别其他语言，可在初始化时指定，模型会自动下载。

三、基础用法：3 行代码实现文字识别

EasyOCR 的 API 极其简洁，核心流程为：初始化识别器 → 加载图片 → 执行识别，以下是最基础的文字识别示例。

1. 单张图片文字识别（中文 + 英文）

import easyocr

# 1. 初始化识别器（指定语言，默认中文 + 英文：['ch_sim', 'en']）
reader = easyocr.Reader(['ch_sim', 'en'], gpu=False) 
# gpu=True 表示使用 GPU 加速

# 2. 识别图片（支持本地路径、网络图片 URL）
result = reader.readtext('test.jpg') # 本地图片路径
# result = reader.readtext('https://example.com/text-image.png') # 网络图片

# 3. 输出识别结果
for detection in result:
    bbox, text, confidence = detection # 边界框、识别文字、置信度（0~1，越接近 1 越准确）
    print(f"识别文字：{text}，置信度：{confidence:.2f}")

代码说明：

• Reader() 参数：
  • 第一个参数为语言列表，ch_sim 表示简体中文，en 表示英文，其他语言代码可参考官方文档；
  • gpu=False：关闭 GPU 加速（无显卡时必须设为 False），有显卡则设为 True。
• 识别结果 result 是列表，每个元素包含 3 个值：
  • bbox：文字的边界框坐标（左上、右上、右下、左下），格式为 [(x1,y1), (x2,y2), (x3,y3), (x4,y4)]；
  • text：识别出的文字内容；
  • confidence：识别置信度（0~1），可用于过滤低精度结果。

2. 关键参数调整（提升识别效果）

readtext() 方法支持多个参数，可根据图片质量调整，核心参数如下：

result = reader.readtext(
    'test.jpg', 
    detail=1,           # 输出详细信息（1=包含边界框和置信度，0=仅输出文字）
    paragraph=False,    # 是否合并段落（True=合并相邻文字为段落，False=分开输出）
    min_size=10,        # 最小识别文字尺寸（过滤过小的噪点文字）
    contrast_ths=0.1,   # 对比度阈值（调整以适应模糊图片）
    adjust_contrast=0.5,# 对比度调整系数（增强模糊图片的识别效果）
    filter_ths=0.01     # 置信度过滤阈值（仅保留置信度>0.01 的结果）
)

实用示例：仅输出文字（不显示边界框和置信度）

result = reader.readtext('test.jpg', detail=0)
print("识别结果：", ' '.join(result))

3. 批量识别多张图片

通过循环遍历图片目录，可实现批量识别：

import easyocr
import os

reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)
image_dir = 'images/' # 图片目录路径

# 遍历目录下所有图片文件
for filename in os.listdir(image_dir):
    if filename.endswith(('.jpg', '.png', '.jpeg')):
        image_path = os.path.join(image_dir, filename)
        result = reader.readtext(image_path, detail=0)
        print(f"【{filename}】识别结果：", ' '.join(result))

四、实战场景：覆盖 4 大核心需求

案例 1：识别图片中的中文 + 英文混合文字

场景：提取海报中的宣传文字（包含中文、英文和数字）。

图片示例：

海报内容包含'2025 新品上市 | New Product Launch'。

代码实现：

import easyocr

reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)
result = reader.readtext('poster.jpg', detail=0)
print("海报文字提取：", ' '.join(result))

输出结果：

海报文字提取：2025 新品上市 New Product Launch

案例 2：身份证关键信息提取（姓名、身份证号）

场景：识别身份证正反面的姓名、性别、民族、身份证号等关键信息，过滤无关文字。

实现思路：

1. 识别身份证图片中的所有文字；
2. 根据关键词（如'姓名''性别''公民身份号码'）匹配对应值；
3. 利用正则表达式提取身份证号（18 位数字 + 字母）。

代码实现：

import easyocr
import re

def extract_id_card_info(image_path):
    reader = easyocr.Reader(['ch_sim'], gpu=False)
    # 获取所有识别文字并拼接成字符串
    raw_text = ' '.join(reader.readtext(image_path, detail=0))
    
    # 提取关键信息
    info = {}
    
    # 姓名（匹配'姓名'后到下一个关键词前的内容）
    name_match = re.search(r'姓名\s*([^限民族身份])', raw_text)
    if name_match:
        info['姓名'] = name_match.group(1)
    
    # 性别
    gender_match = re.search(r'性别\s*([男女])', raw_text)
    if gender_match:
        info['性别'] = gender_match.group(1)
    
    # 身份证号（18 位，支持最后一位为 X）
    id_match = re.search(r'([1-9]\d{5}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx])', raw_text)
    if id_match:
        info['身份证号'] = id_match.group(1)
        
    return info

# 测试
id_info = extract_id_card_info('id_card.jpg')
print("身份证信息提取：", id_info)

输出结果：

身份证信息提取： {'姓名': '张三', '性别': '男', '身份证号': '110101199001011234'}

案例 3：批量处理 PDF 图片页（提取文字）

场景：PDF 文件由扫描件生成（无原生文字），需先将 PDF 转为图片，再用 EasyOCR 提取文字。

前置依赖：

安装 PDF 转图片库 pdf2image：

pip install pdf2image

• Windows 系统需额外安装 Poppler，并配置环境变量；
• macOS 系统：brew install poppler；
• Linux 系统：sudo apt-get install poppler-utils。

代码实现：

import easyocr
from pdf2image import convert_from_path
import os

def pdf_to_text(pdf_path, output_txt_path):
    # 1. PDF 转为图片（每页一张图）
    images = convert_from_path(pdf_path, dpi=300) # dpi 越高，图片越清晰，识别效果越好
    
    # 2. 初始化 OCR 识别器
    reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)
    
    # 3. 逐页识别并写入文本文件
    with open(output_txt_path, 'w', encoding='utf-8') as f:
        for page_num, image in enumerate(images, 1):
            f.write(f"=== 第{page_num}页 ===\n")
            result = reader.readtext(image, detail=0, paragraph=True) # paragraph=True 合并段落
            f.write('\n'.join(result) + '\n\n')
            
    print(f"PDF 文字提取完成，保存至：{output_txt_path}")

# 测试
pdf_to_text('scan_document.pdf', 'output.txt')

案例 4：实时截图识别（Windows/macOS）

场景：截图当前屏幕指定区域，快速提取文字（如提取视频中的字幕、网页中的不可复制文字）。

前置依赖：

安装截图库 mss（跨平台支持）：

pip install mss

代码实现：

import easyocr
import mss
import cv2
import numpy as np

def capture_and_ocr(monitor_num=1):
    # 1. 截图屏幕（monitor_num=1 表示主屏幕，0 表示所有屏幕）
    with mss.mss() as sct:
        monitor = sct.monitors[monitor_num]
        # 捕获整个屏幕（可自定义区域：monitor={'top': 100, 'left': 100, 'width': 800, 'height': 600}）
        img = sct.grab(monitor)
        
        # 转换为 OpenCV 格式（BGR）
        img_np = np.array(img)
        img_bgr = cv2.cvtColor(img_np, cv2.COLOR_RGBA2BGR)
        
        # 2. OCR 识别
        reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)
        result = reader.readtext(img_bgr, detail=0)
        
        # 3. 显示截图和识别结果
        cv2.imshow('Screenshot', img_bgr)
        print("截图识别结果：", ' '.join(result))
        
        # 等待按键关闭窗口
        cv2.waitKey(0)
        cv2.destroyAllWindows()

# 测试
capture_and_ocr()

执行效果：

• 自动捕获主屏幕截图；
• 弹出截图预览窗口；
• 控制台输出识别到的文字。

五、避坑指南：常见问题与解决方案

1. 识别精度低（文字识别错误、漏识别）

原因：

• 图片模糊、对比度低；
• 文字太小或有遮挡；
• 语言模型选择错误（如识别繁体中文用了简体模型）。

解决方案：

• 提升图片质量：放大图片、调整对比度（通过 adjust_contrast 参数）；
• 过滤小尺寸文字：设置 min_size=15（根据实际文字大小调整）；
• 选择正确的语言模型：识别繁体中文用 'ch_tra'，日文用 'ja'，韩文用 'ko'；
• 分割图片：将长图按文字区域分割后逐块识别。

2. 识别速度慢（单张图片耗时超 5 秒）

原因：

• 未使用 GPU 加速（CPU 版本速度较慢）；
• 图片分辨率过高（如 4K 图片）；
• 批量识别时未优化循环逻辑。

解决方案：

• 有 NVIDIA 显卡则开启 GPU 加速（gpu=True）；
• 缩小图片尺寸：通过 OpenCV 压缩图片（如 cv2.resize(img, (800, 600))）；
• 批量识别时复用识别器（避免每次识别都初始化 Reader()，初始化一次即可）。

3. 安装失败（依赖冲突、缺少依赖）

问题 1：Windows 系统提示'找不到 Visual C++ Redistributable'

解决方案：安装 Visual C++ Redistributable for Visual Studio 2015-2022。

问题 2：安装 PyTorch 时超时

解决方案：使用国内镜像源安装（如清华镜像）：

pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

问题 3：导入 easyocr 时提示'ImportError: libGL.so.1: cannot open shared object file'（Linux 系统）

解决方案：安装缺失的依赖库：

sudo apt-get install libgl1-mesa-glx

4. 中文乱码（识别结果显示问号'？'）

原因：

• 输出终端不支持 UTF-8 编码；
• 写入文件时未指定编码为 utf-8。

解决方案：

• 终端编码设置为 UTF-8（Windows 终端可通过 chcp 65001 切换）；
• 写入文件时明确指定编码：open('output.txt', 'w', encoding='utf-8')。

六、总结：开源 OCR 的最佳入门选择

EasyOCR 的核心价值在于降低 OCR 开发门槛——无需掌握复杂的深度学习算法，仅需几行 Python 代码即可实现高质量的文字识别。无论是个人日常使用（如提取图片文字），还是企业级项目开发（如证件识别、批量文档处理），它都能满足需求。

使用时需牢记：

1. 优先开启 GPU 加速（有显卡时），提升识别速度；
2. 根据图片质量调整 adjust_contrast、min_size 等参数，优化识别精度；
3. 批量处理时复用识别器，避免重复初始化；
4. 复杂场景（如证件识别）需结合正则表达式过滤关键信息，提升实用性。

如果需要更高的识别精度（如手写体、复杂场景文字），可考虑商业 OCR 接口（如百度 OCR、阿里云 OCR），但对于大部分基础场景，EasyOCR 完全足够，且无需支付任何费用。动手尝试，解锁图文识别的高效玩法吧！