python ocr高精度识别_OCR识别-python版（一）
需求：识别图片中的文字信息
环境：windows系统
开发语言：python
使用工具类：1.pyocr
2.PIL
3.tesseract-ocr
步骤：
1.pyocr
网络通直接使用命令：
pip install pyocr
网络不通，转至https://pypi.python.org/pypi/pyocr/0.4.1下载安装
2.安装pil
网络通直接使用命令：
pip install PIL
网络不通，转至http://www.pythonware.com/products/pil/index.htm下载安装
3.安装tesseract-ocr
exe文件，下载后直接安装，建议默认安装过程中的选项，安装目录默认C:\Program Files (x86)\Tesseract-OCR，（尝试安装D盘后，在cmd中调用可以，但是在python中会出现找不到tesseract的配置目录的问题，后续再研究）
代码：
#coding=utf-8
__author__ = 'syq'
#https://github.com/tesseract-ocr
importsys
reload(sys)
sys.setdefaultencoding('utf-8')importos
os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8'
try:from pyocr importpyocrfrom PIL importImageexceptImportError:print '模块导入错误,请使用pip安装,pytesseract依赖以下库：'
print 'http://www.lfd.uci.edu/~gohlke/pythonlibs/#pil'
print 'http://code.google.com/p/tesseract-ocr/'
raiseSystemExit
tools=pyocr.get_available_tools()[:]if len(tools) ==0:print("No OCR tool found")
sys.exit(1)print("Using '%s'" %(tools[0].get_name()))print tools[0].image_to_string(Image.open('D:\\123.png'),lang='eng')print tools[0].image_to_string(Image.open('D:\\3434.png'),lang='chi_sim')#print tools[0].image_to_string(Image.open('D:\\3535.png'),lang='chi_sim')
文件内容：
123.png
3434.png
输出：
Using 'Tesseract (sh)'
7364
求彰只另UoCR第 1代
可以看到，在使用英文字库（eng）情况下，对数字识别挺准确的，但是在使用中文简体字库(chi_sim)情况下，对中文文字识别结果有点不尽人意。
在整个过程中可能会遇到的问题
1.如果控制台直接输出：“No OCR tool found”，说明未成功安装tesseract-ocr，debug查看get_available_tools，在该方法中回去查看本机已经安装有的ocr识别库，有三种，
libtesseract,
tesseract,
cuneiform,
本文使用的是第二种tesseract，
tesseract具体安装请转至。
2.在识别带中文的图片，会遇到报“allow_blob_division”的错误，
需要下载tesseract-ocr的中文库，地址：https://codeload.github.com/tesseract-ocr/tessdata/zip/master，里面包含tesseract多有的文字库，chi_sim.traineddata为简体中文库，将该文件放至C:\Program Files (x86)\Tesseract-OCR\tessdata目录下接下来的具体处理方法，转至：http://www.cnblogs.com/syqlp/p/5460971.html