python實現簡單的圖片文字識別指令碼

我們都知道，部分電子版的書籍是以掃描圖片的形式展現的，在閱讀過程中無法選取文字。對於平時有記錄習慣的人來說，無法複製黏貼真的很不爽！ 為瞭解決這個問題，需要這樣一個指令碼，他有下面這些功能：

1、能夠實現自由
2、能夠識別含有文字的
3、將識別出的文字輸出到剪下板

大致上需要的東西非常明確，那麼，一個一個的來~

作為一項非常實用的功能，自然是有各種各樣的實現，在這裡考慮使用python去完成這個任務，那麼自然是先google一下，網上一搜，果然資料多到爆炸~
不出所料，python對功能做了很好的基礎支援~(本文基於windows平台下的python2實現，python3安裝某些庫真滴煩人)
（1）全屏
那麼先從簡單的做起（稍微麻煩一點，其他部分都超級簡單 = =），首先實現python的“全屏”
代碼入下：

from PIL import ImageGrabim = ImageGrab.grab()  # 截取全屏im.save(file)

簡單的三行代碼搞定~（讚美一下前人的偉大_(:з)∠)_）
其中的path表示檔案檔案的完整存放路徑
其中稍微要注意一下的是，安裝庫的時候，使用

pip install pillow（而不是PIL）

否則會顯示找不到匹配的模組~
（PS：這裡其實有個問題，上述代碼運行完成後，並沒有截取全屏，最後產生的圖片僅僅為部分圖片，查看網上攻略後並沒有找到比較好的解決方案，殘念…）

（2）自由
好了，全屏完成，那麼我們其實只想要截取需要的部分就行了，那麼怎麼去完成這個功能呢~
看了一部分網上的做法，最常見的就是監聽滑鼠動作實現選擇地區。其中，其中使用較多的是tkinter，以及pyHook（tkinter實現那個稍微複雜一點），我個人傾向於後者，因為實現起來非常簡單，哈哈~
那麼先上部分代碼

# coding:utf-8import win32apiimport osfrom PIL import ImageGrab, Imageimport pyHookimport pythoncom# 建立一個座標列表(x1,y1,x2,y2)coordinate = [1, 1, 1, 1]# 監聽鍵盤事件def on_mouse_event(event):    file_path = 'xx//xx//read.jpg'    # 監聽滑鼠事件    if event.MessageName == 'mouse left down':        coordinate[0:2] = event.Position        elif event.MessageName == 'mouse left up':        coordinate[2:4] = event.Position        win32api.PostQuitMessage()  # 退出監聽迴圈        # 截取座標圖片        pic = ImageGrab.grab(coordinate)        pic.save(file_path)

唯一比較麻煩的就是各種庫的安裝，重點點名pywin32這個庫 = =，真姬兒麻煩~
那麼在這裡附上連結，防止安裝過程中可能出現的問題：
解決安裝pywin32後仍然提示找不到模組的問題

文字識別

搞定了功能以後，剩下的工作就比較簡單了。python的pytesseract為文字識別提供了很好的支援。整個實現只需要一行關鍵代碼即可：

from PIL import Imageimport pytesseracttext=pytesseract.image_to_string(Image.open(file_path),lang='chi_sim')print(text)

使用這個庫之前，必須安裝識別引擎tesseract-ocr，下載連結如下（下載完成後為exe安裝包）：
tesseract-ocr識別引擎下載
這裡附上安裝及配置環境變數的教程（摘自百度百科）：
圖片文字OCR識別-tesseract-ocr4.00.00安裝使用
最後，在pytesseract庫檔案中進行配置，找到F:\XX\XX\XX\你的python安裝路徑\Lib\site-packages\pytesseract
找到該路徑下的pytesseract.py檔案，開啟後找到一下這句代碼：

tesseract_cmd = 'tesseract'

將字串’tesseract’替換成你的tesseract-ocr的安裝路徑（e.g.’F:\Program_File\Tesseract-OCR\tesseract.exe’）

至此，文字識別引擎的全部配置就已經完成了。

訪問剪下板

最後，將識別好的文字匯入剪下板
兩步到位：
（1）pip安裝pyperclip庫
（2）同樣一行代碼：

pyperclip.copy(text)  # 將識別內容匯入系統剪下板

大功告成~

總結

整個代碼實現非常的簡潔，總共也就幾十行不到的代碼，這也多虧了python強大的庫支援。
然而比較遺憾的是，功能的實現很是簡陋，使用tkinter可以實現出類似QQ的效果（代碼也相對複雜一些）~
有了這個指令碼之後，看掃描圖片的PDF電子書就不需要打字記筆記了~吼吼吼~：）
最後附上完整的代碼

# coding:utf-8import inspectimport win32apiimport osfrom PIL import ImageGrab, Imageimport pyHook  # 鉤子~import pythoncomimport pytesseract  # Image Recognition文字包import pyperclip# 建立一個座標列表coordinate = [1, 1, 1, 1]# 監聽鍵盤事件def on_mouse_event(event):    # 擷取當前檔案路徑    file_ = inspect.getfile(inspect.currentframe())    dir_path = os.path.abspath(os.path.dirname(file_))    file_path = dir_path + '\\read.jpg'    # 監聽滑鼠事件    if event.MessageName == 'mouse left down':        coordinate[0:2] = event.Position        elif event.MessageName == 'mouse left up':        coordinate[2:4] = event.Position        win32api.PostQuitMessage()  # 退出監聽迴圈        # 截取座標圖片        pic = ImageGrab.grab(coordinate)        pic.save(file_path)        text = pytesseract.image_to_string(Image.open(file_path), lang='chi_sim')  # 識別並返回        pyperclip.copy(text.replace(' ', ''))  # 將識別內容匯入系統剪下板   return True          if __name__ == '__main__':    hm = pyHook.HookManager()  # 建立一個鉤子管理對象    hm.MouseAll = on_mouse_event  # 監聽所有滑鼠事件    hm.HookMouse()  # 設定滑鼠鉤子    pythoncom.PumpMessages()  # 進入迴圈，程式一直監聽

快畢業了，除了準備答辯之外，就是看看書，各種瞎晃~
那麼，這兩天在看書的時候遇到這麼個問題：
首先，部分電子版的書籍是以掃描圖片的形式展現的，在閱讀過程中無法選取文字。對於平時有記錄習慣的我來說，無法複製黏貼真的很不爽！
為瞭解決這個問題，我需要這樣一個指令碼，他有下面這些功能：

1、能夠實現自由
2、能夠識別含有文字的
3、將識別出的文字輸出到剪下板

大致上需要的東西非常明確，那麼，一個一個的來~

作為一項非常實用的功能，自然是有各種各樣的實現，在這裡考慮使用python去完成這個任務，那麼自然是先google一下，網上一搜，果然資料多到爆炸~
不出所料，python對功能做了很好的基礎支援~(本文基於windows平台下的python2實現，python3安裝某些庫真滴煩人)
（1）全屏
那麼先從簡單的做起（稍微麻煩一點，其他部分都超級簡單 = =），首先實現python的“全屏”
代碼入下：

from PIL import ImageGrabim = ImageGrab.grab()  # 截取全屏im.save(file)

簡單的三行代碼搞定~（讚美一下前人的偉大_(:з)∠)_）
其中的path表示檔案檔案的完整存放路徑
其中稍微要注意一下的是，安裝庫的時候，使用

pip install pillow（而不是PIL）

否則會顯示找不到匹配的模組~
（PS：這裡其實有個問題，上述代碼運行完成後，並沒有截取全屏，最後產生的圖片僅僅為部分圖片，查看網上攻略後並沒有找到比較好的解決方案，殘念…）

（2）自由
好了，全屏完成，那麼我們其實只想要截取需要的部分就行了，那麼怎麼去完成這個功能呢~
看了一部分網上的做法，最常見的就是監聽滑鼠動作實現選擇地區。其中，其中使用較多的是tkinter，以及pyHook（tkinter實現那個稍微複雜一點），我個人傾向於後者，因為實現起來非常簡單，哈哈~
那麼先上部分代碼

# coding:utf-8import win32apiimport osfrom PIL import ImageGrab, Imageimport pyHookimport pythoncom# 建立一個座標列表(x1,y1,x2,y2)coordinate = [1, 1, 1, 1]# 監聽鍵盤事件def on_mouse_event(event):    file_path = 'xx//xx//read.jpg'    # 監聽滑鼠事件    if event.MessageName == 'mouse left down':        coordinate[0:2] = event.Position    elif event.MessageName == 'mouse left up':        coordinate[2:4] = event.Position        win32api.PostQuitMessage()  # 退出監聽迴圈        # 截取座標圖片        pic = ImageGrab.grab(coordinate)        pic.save(file_path)

唯一比較麻煩的就是各種庫的安裝，重點點名pywin32這個庫 = =，真姬兒麻煩~
那麼在這裡附上連結，防止安裝過程中可能出現的問題：
解決安裝pywin32後仍然提示找不到模組的問題

文字識別

搞定了功能以後，剩下的工作就比較簡單了。python的pytesseract為文字識別提供了很好的支援。整個實現只需要一行關鍵代碼即可：

from PIL import Imageimport pytesseracttext=pytesseract.image_to_string(Image.open(file_path),lang='chi_sim')print(text)

使用這個庫之前，必須安裝識別引擎tesseract-ocr，下載連結如下（下載完成後為exe安裝包）：
tesseract-ocr識別引擎下載
這裡附上安裝及配置環境變數的教程（摘自百度百科）：
圖片文字OCR識別-tesseract-ocr4.00.00安裝使用
最後，在pytesseract庫檔案中進行配置，找到F:\XX\XX\XX\你的python安裝路徑\Lib\site-packages\pytesseract
找到該路徑下的pytesseract.py檔案，開啟後找到一下這句代碼：

tesseract_cmd = 'tesseract'

將字串’tesseract’替換成你的tesseract-ocr的安裝路徑（e.g.’F:\Program_File\Tesseract-OCR\tesseract.exe’）

至此，文字識別引擎的全部配置就已經完成了。

訪問剪下板

最後，將識別好的文字匯入剪下板
兩步到位：
（1）pip安裝pyperclip庫
（2）同樣一行代碼：

pyperclip.copy(text)  # 將識別內容匯入系統剪下板

大功告成~

總結

整個代碼實現非常的簡潔，總共也就幾十行不到的代碼，這也多虧了python強大的庫支援。
然而比較遺憾的是，功能的實現很是簡陋，使用tkinter可以實現出類似QQ的效果（代碼也相對複雜一些）~
有了這個指令碼之後，看掃描圖片的PDF電子書就不需要打字記筆記了~吼吼吼~：）
最後附上完整的代碼

# coding:utf-8import inspectimport win32apiimport osfrom PIL import ImageGrab, Imageimport pyHook  # 鉤子~import pythoncomimport pytesseract  # Image Recognition文字包import pyperclip# 建立一個座標列表coordinate = [1, 1, 1, 1]# 監聽鍵盤事件def on_mouse_event(event):    # 擷取當前檔案路徑    file_ = inspect.getfile(inspect.currentframe())    dir_path = os.path.abspath(os.path.dirname(file_))    file_path = dir_path + '\\read.jpg'    # 監聽滑鼠事件    if event.MessageName == 'mouse left down':        coordinate[0:2] = event.Position    elif event.MessageName == 'mouse left up':        coordinate[2:4] = event.Position        win32api.PostQuitMessage()  # 退出監聽迴圈        # 截取座標圖片        pic = ImageGrab.grab(coordinate)        pic.save(file_path)        text = pytesseract.image_to_string(Image.open(file_path), lang='chi_sim')  # 識別並返回        pyperclip.copy(text.replace(' ', ''))  # 將識別內容匯入系統剪下板    return Trueif __name__ == '__main__':    hm = pyHook.HookManager()  # 建立一個鉤子管理對象    hm.MouseAll = on_mouse_event  # 監聽所有滑鼠事件    hm.HookMouse()  # 設定滑鼠鉤子    pythoncom.PumpMessages()  # 進入迴圈，程式一直監聽