Python利用Spire.OCR for Python实现从图片中提取文本和坐标_Python

引言

在数据处理、文档数字化及图像内容分析等开发场景中，光学字符识别（ocr）技术常被用于将图像中的文字转化为可编辑、可搜索的文本格式。spire.ocr for python 作为 python 生态中的一款 ocr 类库，可实现图片文本提取及文字位置定位，适用于发票信息处理、表单数据解析、截图内容提取等场景，以下从技术特性、实现步骤及应用方向展开介绍。

一、核心技术特性

spire.ocr for python 支持 jpg、png、bmp、tiff 四种主流图像格式，在功能设计上具备以下技术特点：

文本坐标提取能力：可直接获取文字的 x/y 轴位置、宽度与高度，为后续图像标注、文本区域定位提供数据支持。
低依赖部署：无需额外配置环境或安装底层库，安装后即可直接调用，降低入门门槛。
多语言识别支持：涵盖英语、中文、日语、韩语、德语、法语等常用语言，可根据识别场景切换目标语言。

二、ocr文字识别功能实现流程

步骤 1：环境准备与安装

打开电脑的命令提示符（windows）或终端（macos/linux），输入以下 pip 命令，一键完成安装：

pip install spire.ocr

模型要求：点击下载对应的 ocr 模型文件（windows系统、linux系统、 macos系统）。解压后保存至本地路径，后续配置时需引用该路径。

步骤 2：模块导入

在 python 脚本中导入类库核心模块，用于初始化 ocr 扫描实例及配置参数：

from spire.ocr import * # 导入ocr核心功能模块

步骤 3：配置 ocr 依赖项

创建 ocr 扫描对象并设置关键参数，包括模型文件路径与识别语言，参数配置错误会导致识别功能无法正常运行：

# 初始化ocr扫描实例
scanner = ocrscanner()
# 配置引擎参数
configureoptions = configureoptions()
# 模型文件本地路径（需根据实际保存位置修改）
configureoptions.modelpath = "f:\\ocr model\\win-x64"
# 识别语言设置（支持"chinese"、"english"、"japanese"等）
configureoptions.language = "chinese"
# 应用配置参数
scanner.configuredependencies(configureoptions

步骤 4：文本提取与坐标获取

指定目标图像文件路径，执行扫描操作后，可提取文本内容及每个文本块的位置信息：

# 目标图像路径（替换为实际图像文件路径）
target_image = "模板.png"
# 执行ocr扫描
scanner.scan(target_image)
# 获取扫描结果
ocr_result = scanner.text
# 提取文本块内容与位置信息
blocks_info = [
    f'文本内容： "{block.text}"\n'
    f'位置坐标： (x={block.box.x}, y={block.box.y})\n'
    f'文本块尺寸： 宽度{block.box.width} x 高度{block.box.height}\n'
    f'---------------------------------\n'
    for block in ocr_result.blocks # 遍历文本块
]

# 打印提取结果（也可根据需求输出至日志或控制台）
print("\n".join(blocks_info))

步骤 5：结果持久化存储

若需留存识别结果，可将文本内容与坐标信息写入本地文件，需指定 utf-8 编码避免中文乱码：

# 写入txt文件（追加模式，避免覆盖已有内容）
with open("ocr文字识别.txt", 'a', encoding='utf-8') as file:
    file.write('\n'.join(blocks_info) + '\n\n')

读取结果：

三、进阶应用与批量处理

1. 批量图像识别实现

针对多图像文件处理场景，可通过遍历文件夹实现批量 ocr 操作，提升处理效率：

import os

image_dir = r'images/'
for filename in os.listdir(image_dir):
    if filename.endswith(('.png', '.jpg', '.jpeg')):
        scanner.scan(os.path.join(image_dir, filename))
        # ocr识别图片文本