版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/xiaxianba/article/details/89450855
OCR技术是光学字符识别的缩写(Optical Character Recognition)，是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。（以上信息来源于百度百科OCR技术）
前几天刚好接到公司两个相关需求需求，一个是资产管理，由于信息化管理的需求，需要识别我们的物料标签；另一个是我们的会员系统，通过图片给的识别码到系统中查找是否存在相应红包、会员信息，从而避免黄牛扰乱我们的红包、会员系统，以前的做法是购买一个外部公司开发的接口（据说是1000元10万次）。基于公司的业务需求，同时也为了实践用技术解决业务上的问题的态度，把实际开发中遇到的问题记录下来，供读者们少走弯路。
一、环境准备
- 首先我们的操作环境是Windows操作系统（Linux系统可以通过libtesseract方式访问），我们采用的OCR识别软件是Tesseract-OCR，下载并安装Tesseract-OCR软件，安装完成之后需要配置环境变量，配置完成之后通过CMD命令行验证是否配置成功，执行
tesseract -v命令查看相应版本，下面是一个CMD控制台下的识别实例。
- 配置中文语言包
默认情况下Tesseract-OCR是不能识别中文的，需要加载相应的中文语言包，简体中文语言包叫chi_sim.traineddata下载下来之后需要放置到${TESSERACT_HOME}/tessdata目录下，同时把语言包目录路径配置到环境变量当中，新增变量名称为“TESSDATA_PREFIX”。
至此前期的环境准备工作已经完成，读者可以通过CMD命令行的模式使用OCR的基本功能了，接下来是通过Python语言集成进来，毕竟手工操作的效率和扩展性不如程序化实现。
二、Python实现
- 安装依赖包
接下来我们主要实现Python与Tesseract-OCR交互实现程序化图片识别功能。首先我们需要安装Python 图片依赖包，本文中Python涉及到的依赖包主要有两个，一个是PIL(Python Imaging Library)，另外一个就是与Tesseract-OCR交互的依赖包pytesseract，通过pip install package_name安装相应的包。
- Python项目
编写相应代码获取图片字符，首先是加载依赖包，读取图片，最终把从图片上读取出的字符写入一个文件保存起来，具体代码如下：
最后的效果如下：
问题及解决：
- 读取中文字符的时候有异常输出，如下
Python程序不能对中文进行编码，执行程序前，需要配置中文的环境，如下：
引用