Python脚本基于Tesseract-OCR实现图文识别

一、了解Tesseract-OCR

开源地址：https://github.com/tesseract-ocr/tesseract

Tesseract-OCR 是一个开源的光学字符识别（OCR）引擎，能够识别图片中的文字并将其转化为可编辑的文本。它最初由惠普公司（Hewlett-Packard）开发，后来由Google接管并继续维护和开发。Tesseract 是目前最强大且广泛使用的 OCR 引擎之一，支持多种语言，并且能够处理复杂的文本和布局。该开源引擎在github上拥有63k+的star。

主要特点：

1. 开源与免费：Tesseract 是一个完全开源的项目，使用 Apache 2.0 许可证，任何人都可以免费使用和修改。
2. 语言支持：Tesseract 支持多种语言，包括英文、中文、日文、法文等，还支持自定义语言训练。
3. 高精度识别：Tesseract 能够处理各种图像质量的文本识别，精度较高，尤其适用于清晰的文本图像。
4. 支持多种输入格式：支持输入图像格式如 JPEG、PNG、TIFF、GIF 等，还可以通过 PDF 文件进行 OCR 处理。
5. 多平台支持：Tesseract 可以在多种