Convertir una imagen a texto en Python (usando la biblioteca Pytesseract) | Operating systems, scripting, PowerShell and security

Python, Reconocimiento

Para convertir una imagen a texto en Python, puedes usar la biblioteca Pytesseract, que es una envoltura de Python para el motor OCR (Reconocimiento Óptico de Caracteres) Tesseract, desarrollado por Google. Este motor extrae texto de imágenes y lo convierte en texto.

Pasos a seguir:

Instalar Tesseract OCR:
- Debes tener instalado el motor Tesseract en tu sistema. Puedes descargarlo desde aquí y seguir las instrucciones de instalación correspondientes a tu sistema operativo.
- Asegúrate de que la ruta de instalación esté en tu variable de entorno PATH.
Instalar las dependencias de Python:
- Instala pytesseract y Pillow (para manejar imágenes) usando pip:
pip install pytesseract pillow

Código para convertir una imagen a texto:

# Instalar Tesseract OCR
!sudo apt-get install tesseract-ocr

# Instalar las dependencias de Python
!pip install pytesseract pillow

# Importar las bibliotecas
from PIL import Image
import pytesseract

# Cargar la imagen
ruta_imagen = "imagen.jpg"  # Cambia esto a la ruta de tu imagen
imagen = Image.open(ruta_imagen)

# Extraer el texto de la imagen
texto = pytesseract.image_to_string(imagen)

# Mostrar el texto extraído
print("Texto extraído de la imagen:")
print(texto)

# Guardar el texto en un archivo de texto
with open("texto_extraido.txt", "w", encoding="utf-8") as archivo:
    archivo.write(texto)

print("El texto se ha guardado en 'texto_extraido.txt'")

# Instalar Tesseract OCR

!sudo apt-get install tesseract-ocr

# Instalar las dependencias de Python

!pip install pytesseract pillow

# Importar las bibliotecas

from PIL import Image

import pytesseract

# Cargar la imagen

ruta_imagen = "imagen.jpg" # Cambia esto a la ruta de tu imagen

imagen = Image.open(ruta_imagen)

# Extraer el texto de la imagen

texto = pytesseract.image_to_string(imagen)

# Mostrar el texto extraído

print("Texto extraído de la imagen:")

print(texto)

# Guardar el texto en un archivo de texto

with open("texto_extraido.txt", "w", encoding="utf-8") as archivo:

archivo.write(texto)

print("El texto se ha guardado en 'texto_extraido.txt'")

Explicación del código:

Importar las bibliotecas:
- Pillow (PIL) para cargar la imagen.
- pytesseract para realizar la extracción de texto.
Especificar la ruta de Tesseract (opcional):
- Si Tesseract no está en el PATH, puedes especificar la ruta de instalación manualmente.
Cargar la imagen:
- Usamos Image.open para cargar la imagen desde el disco.
Extraer el texto:
- pytesseract.image_to_string convierte la imagen en texto.
Guardar el texto:
- El texto extraído se guarda en un archivo texto_extraido.txt.

Convertir una imagen a texto en Python (usando la biblioteca Pytesseract) (Reconocimiento, Python)

Pasos a seguir:

Código para convertir una imagen a texto:

Explicación del código:

Ejemplo de uso:

LIBRO DE POWERSHELL

LO ÚLTIMO

RECOMENDADO