pytesseract怎么识别中文

### 如何配置和使用 PyTesseract 进行中文 OCR 识别

#### 配置 Tesseract 支持中文字符

为了使 Tesseract 能够处理并正确解析中文字符，在安装过程中需确保选择了支持中文的语言数据包。对于 Windows 用户来说，这一步骤通常是在安装程序界面中完成的；而对于 Linux 或 macOS 用户，则可能需要手动下载相应的语言文件[^1]。

#### 使用 Python 和 pytesseract 实现中文 OCR 功能

一旦完成了上述设置工作之后，就可以通过编写简单的 Python 程序来调用 `pytesseract` 库实现图像到文字的功能了。下面给出了一段用于读取含有汉字图片的具体实例：

from PIL import Image
import pytesseract

# 设置 tesseract_cmd 参数指向本地已安装好的 Tesseract 可执行文件路径 (仅限于Windows环境)
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def ocr_with_chinese(image_path):
    """
    对给定的图片进行中文 OCR 处理
    
    :param image_path: 图片文件路径
    :return: 提取出的文字字符串
    """

    # 打开指定位置上的图片对象
    img = Image.open(image_path)

    # 将图片转为灰度模式以提高识别率
    gray_img = img.convert('L')

    # 利用 pytesseract.image_to_string 方法传入参数 lang='chi_sim' 来指明要使用的语言模型为中国简化字
    text = pytesseract.image_to_string(gray_img, lang='chi_sim')
    
    return text.strip()

if __name__ == '__main__':
    result_text = ocr_with_chinese('./example_image.png')
    print(result_text)

这段代码展示了如何加载一张图片并通过设定特定选项让 Tesseract 去尝试解读其中所含有的中文信息。注意这里设置了 `lang='chi_sim'` 参数告诉 Tesseract 使用简体中文作为目标语言来进行匹配操作。