pytesseract 概要と使い方 メモ

• pytesseractの概要と使用方法についてメモする。

pytesseract 概要

• OCRツールTesseractのPythonラッパー。

• PillowやNumPyなどの形式で解析対象データを受け取ることが可能。

• コマンド呼び出しで実行。

インストール

• pipコマンドを使用し、インストールする。

pip install pytesseract

※必要に応じて解析データの読み込み用途でPillowなどもインストールする。

※tesseract本体も必要。Linux環境などではapt-get -y install tesseract-ocr tesseract-ocr-jpnでインストールしておく。

使用方法

• Pythonコード

from pytesseract import pytesseract
from PIL import Image

# 読み込み対象ファイルの指定
img = Image.open("./test.png, "r")
# tesseractコマンドのインストールパス
pytesseract.tesseract_cmd = "/usr/bin/tesseract"
# 文字列として出力できる。
ocr_result = pytesseract.image_to_string(img, lang="eng+jpn")

参考情報

• pytesseract