Python 第三方 OCR 库 tesserocr 安装与配置指南
背景介绍
在爬虫开发中，图形验证码是常见障碍。利用 OCR 技术自动识别验证码文本，能有效提升自动化效率。tesserocr 是 Python 封装的 OCR 库，底层依赖 Tesseract 引擎。因此，安装顺序是先装 Tesseract，再装 tesserocr。
资源链接
Windows 环境安装
1. 安装 Tesseract
访问 Tesseract 官网下载页面，推荐下载稳定版（不带 dev 后缀）。例如 tesseract-ocr-setup-3.05.01.exe。
运行安装程序时，务必勾选 Additional language data(download) 选项，以便支持多国语言识别。
2. 配置环境变量
安装完成后需配置两个关键变量：
- 添加 PATH：将 Tesseract 安装目录（如
C:\Program Files\Tesseract-OCR）添加到系统环境变量 Path 中。 - 设置 TESSDATA_PREFIX：新建系统变量，名称为
TESSDATA_PREFIX，值为 Tesseract 安装目录（即tessdata文件夹的父目录）。
3. 安装 Python 包
在终端执行以下命令：
pip install tesserocr pillow
若 pip 安装受阻，可尝试 Anaconda 环境：
conda install -c simonflueckiger tesserocr pillow
验证安装
命令行测试
进入图片所在目录，运行：
tesseract image.png result -l eng
查看生成的 result.txt 文件内容。
Python 代码测试
import tesserocr
from PIL import Image
image = Image.open('image.png')
result = tesserocr.image_to_text(image)
print(result)
或者直接使用文件路径：
tesserocr
(tesserocr.file_to_text())
