现有ocr识别小工具，分为两类，一类是依靠网络公司提供的api接口来进行识别，如百度文字识别等，优点是识别准确率高，缺点是没网没授权不能用。另一类就是本地化这种了，现在网上公开的ocr识别工具tesseract-ocr提供中文识别包。再加上使用qq邮箱的截图工具，组建成离线版的OCR识别工具。操作简单，由于使用的是最基本的训练库，准确率比较低，目前能够准确识别pdf中标准文字，带图标的文字可能会识别错误。优化的建议自己训练中文识别库替换tesseract-ocr文件夹内容即可。

Tesseract是一个光学字符识别引擎，支持多种操作系统。Tesseract是基于Apache许可证的自由软件，自2006 年起由Google赞助开发。 2006年，Tesseract被认为是最精准的开源光学字符识别引擎之一。

Tesseract是一款由HP实验室开发由Google维护的开源OCR引擎，由Google对其进行改进、优化，特点是开源，免费，支持多语言，多平台。

Tesseract-OCR 及对应版本的 chi_sim.traindata 字库。 　　一定要对应否则会报错。错误信息为：actual_tessdata_num_entries_ <= TESSDATA_NUM_ENTRIES:Error:Assert failed:in file tessdatamanager.cpp, line 53"

将文件解压后，拷贝到安装路径下的Tesseract-OCR文件夹中的tessdata文件夹下面即可。 主要功能用于识别中文字体 默认下载的Tesseract-OCR安装包中是没有简体中文的文件的。 可以用CMD命令行窗口下可用 tesseract --list-langs 来查看Tesseract-OCR支持语言 如果出现chi_sim，则为成功！

将资源解压后放入到~\Tesseract-OCR\tessdata目录下面。要有这个才能识别要有这个才能识别中文

C++ tesseract 基于vs2015编译通过

tesseract-ocr 光学字符识别安装程序 3.02.02版本 tesseract-ocr 光学字符识别安装程序 3.02.02版本

NLP图像到文本 从图像中提取文本的代码 pip install -r requirements.txt 如果遇到找不到文件错误，如下所示： FileNotFoundError: [Errno 2] No such file or directory: 'tesseract' 运行以下命令 brew install tesseract 然后如下运行image-to-text.py： python image-to-text.py 我们观察到，对于干净的输入，准确性很高。 参见输入2。嘈杂的输入可能不会产生相同的效果！ 一些示例输入和输出： 输入： 输出： DON’T WATCH THE CLOCK; KEEP GOING. SAM LEVENSON / / 7 J .- - flCESSc

QT Box Editor 是调整tesseract-ocr box 文件的工具。 该项目的目的是提供简单有效的编辑方式，无论文件大小。