admin 管理员组

文章数量: 1184232

在文本挖掘领域，少不了对PDF文件进行处理的，其中有不少PDF里面可能是单纯的图片，这个时候就需要采用OCR技术进行图像文字识别。今天发布一版将图片PDF转为WORD文字的教程，首先需要安装并且配置好Tesseract OCR工具。下面展开详细教程。
（一）Tesseract OCR工具安装
1、首先下载安装包
安装包下载地址：https://digi.bib.uni-mannheim.de/tesseract/
安装包版本为：tesseract-ocr-w64-setup-5.3.4.20240503.exe

下载下来后就是一个.exe可执行文件（就不需要github上下载二进制文件然后进行一系列操作啦）

2、双击.exe可执行文件进行本地安装
一步步选择就行啦




（可以看到上图我把语言包选择了，选择这个选项能够把目前OCR所有能识别的语言都下载好，搭了梯子会稍微快一些，没有搭梯子建议不勾选，然后采用这个参考链接里的方法单独下载语言包https://www.jianshu/p/f7cb0b3f337a）

（选择好目标文件夹之后就是缓慢的安装过程啦）
3、配置系统环境
设置-高级系统设置-环境变量-PATH
在PATH里面新建刚才下载的目标文件夹的路径，我的是D盘

4、验证是否下载并配置成功
win+R输入cmd，在命令行中输入

tesseract -v

出现下图的结果就说明成功啦

可以再输入下面指令看看语言包

tesseract --list-langs


（二）图片PDF转WORD实操
接下来在Python中运行下述代码（首先自行安装好这些扩展包哦）

            
            
            

                本文标签：
                                                最新版本
                                教程
                                图片
                                OCR
                                tesseract
                                            


            

                

                    

                        版权声明：本文标题：【逐步实操】Tesseract OCR 最新版本安装教程（Windows）+ 图片PDF转WORD实操 内容由网友自发贡献，该文观点仅代表作者本人，
                        转载请联系作者并注明出处：http://www.roclinux.cn/b/1755064725a3068278.html，
                        本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。