当前位置：首页 > news >正文

pyocr 取发票文本信息（图片）

news 来源：原创 2025/6/7 9:24:19

记录一下 pyocr 使用，后续可以用来取发票的信息，配上正则表达式，就能取出发票号，做一个发票登记功能。

# 官方网站：https://github.com/tesseract-ocr/tesseract
# 官方文档：https://github.com/tesseract-ocr/tessdoc
# 语言包地址：https://github.com/tesseract-ocr/tessdata
# 下载地址：https://digi.bib.uni-mannheim.de/tesseract/
# Tesseract，一款由HP实验室开发由Google维护的开源OCR
# （Optical Character Recognition , 光学字符识别）引擎，
# 与Microsoft Office Document Imaging（MODI）相比，
# 我们可以不断的训练的库，使图像转换文本的能力不断增强；
# 如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。import pyocr
from PIL import Image
import pyocr.builders
# 初始化OCR引擎
tools = pyocr.get_available_tools()
if len(tools) == 0:print("No OCR tool found")exit(1)
ocr_tool = tools[0]# 打开图像文件
image = Image.open('fapiao.png')# 使用OCR引擎进行文本识别
text = ocr_tool.image_to_string(image,lang='chi_sim',#builder=pyocr.builders.TextBuilder()builder = pyocr.builders.TextBuilder()
)# 打印识别结果
print(text)

D:\2.DEVELOP\OCR_TaxInvoice\scan_tax.py 
发票号码: 25122000000036090904
开票日期: 2025年05月28日统一社会信用代码/纳税人识别号: 91 4 4名称: 郑州哈拜网络科技有限公司天津分公司统一社会信用代码/纳税人识别号: 9112xxxxxx项目名称             单 价