今天给大家介绍一个超级简单且强大的OCR文本识别工具：
easyocr
.
这个模块支持70多种语言的即用型OCR，包括中文，日文，韩文和泰文等。
下面是使用这个模块的实战教程。
开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，可以访问这篇文章：
超详细Python安装指南
进行安装。
如果你用Python的目的是数据分析，可以直接安装Anaconda：
Python数据分析与挖掘好帮手—Anaconda
，它内置了Python和pip.
此外，推荐大家用VSCode编辑器，它有许多的优点：
Python 编程的最好搭档—VSCode 详细指南
。
请选择以下任一种方式输入命令安装依赖
：
1. Windows 环境 打开 Cmd (开始-运行-CMD)。
2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3. 如果你用的是 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.
它会安装除了模型文件之外的所有依赖，模型文件则会在运行代码的时候下载。
对于Windows，如果在安装Torch或Torchvision时报错了，请先按照
https://pytorch.org
的官方说明安装Torch和Torchvision 。
在pytorch网站上，请确保选择正确的CUDA版本。如果仅打算在CPU模式下运行，请选择CUDA = None。
这个模块用起来真的非常简单，三行代码完事了：
import easyocr
reader = easyocr.Reader(['ch_sim','en'])
result = reader.readtext('test.png')
运行的过程中会安装所需要的模型文件，像下面这样：
不过它的下载速度非常慢，而且经常会失败，因此这里给出第二个解决方案：先下载好模型文件，再将其放置到所需要的位置：
上滑查看更多
文字检测模型（CRAFT）
（必须）
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/craft_mlt_25k.zip
中文（简体）模型
（识别中文必须）
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/chinese_sim.zip
中国（传统）模型
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/chinese.zip
拉丁模型
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/latin.zip
日本模型
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/japanese.zip
韩文模型
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/korean.zip
泰文模型
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/thai.zip
阿拉伯文模型
https://pythondict.com/go/?url=https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.1.6/arabic.zip
如果下载速度太慢，请在Python实用宝典公众号后台回复：
easyocr
, 下载我上传到微云网盘的文字检测模型（CRAFT）和中文简体模型文件包。
下载完模型后，将文件放到下面这个位置。
Windows：
C:\Users\用户名.EasyOCR\model
Linux：
~/ .EasyOCR / model
如下图所示：
重新执行脚本不会再提醒下载模型了：
import easyocr
reader = easyocr.Reader(['ch_sim'])
result = reader.readtext('test.png')
print(result)
我随便截了一个直播弹幕的图片保存在脚本所在的文件夹下，命名为test.png：
结果如下：
基本上所有应该识别的文字都识别出来了，效果非常不错。
另外也可以看到，输出采用列表格式，每个item分别表示对应文字的边界框，识别文本结果和置信度。
