1、PaddleOCR：
基于百度飞桨框架开发，模型丰富，支持多语言识别，包括中文、英文等。性能强大，适合复杂场景的文字识别
安装 PaddleOCR 库：
pip install paddleocr示例代码
from paddleocr import PaddleOCR, draw_ocr
from PIL import Image
# 初始化 PaddleOCR
# 参数解释：
# `lang`：指定语言模型，如 'en'（英文）、'ch'（中文）等。
# `use_angle_cls`：是否启用文字方向分类器。
ocr = PaddleOCR(use_angle_cls=True, lang='en') # 也可以设置为 'ch' 用于中文[^28^]
# 指定图片路径
img_path = 'example.jpg' # 替换为你的图片路径
# 执行 OCR 识别
result = ocr.ocr(img_path, cls=True) # `cls=True` 表示启用方向分类器
# 打印识别结果
for line in result:
print(line)
# 可选：绘制识别结果并保存
if result:
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result] # 提取文字框
txts = [line[1][0] for line in result] # 提取文字内容
scores = [line[1][1] for line in result] # 提取置信度
# 绘制结果
im_show = draw_ocr(image, boxes, txts, scores, font_path='path/to/PaddleOCR/doc/fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg') # 保存绘制后的图片[^28^]2、RapidOCR
首先，确保安装了 RapidOCR 的 ONNXRuntime 版本，这是一个轻量级且高效的推理引擎：
pip install rapidocr_onnxruntime示例代码：识别数字和字母
以下代码展示了如何使用 RapidOCR 识别图片中的数字和字母，并仅打印识别结果：
from rapidocr_onnxruntime import RapidOCR
# 初始化 OCR 引擎
ocr = RapidOCR()
# 指定图片路径
img_path = 'example.jpg' # 替换为你的图片路径
# 执行识别
result, _ = ocr(img_path)
# 提取并打印识别结果（仅数字和字母）
if result:
for line in result:
text = line[1] # 提取文字内容
# 筛选只包含数字和字母的文本
if text.isalnum():
print(text)
else:
print("未识别到文字")注意事项
- 图片路径：确保
img_path指向的图片包含数字或字母。 - 语言设置：默认情况下，RapidOCR 支持中英文混合识别。如果需要识别其他语言，可以参考文档进行配置。
- 环境要求：确保 Python 版本为 3.6 或更高。
3、EasyOCR
特点：易于使用，支持多种语言（包括中文、英文等），基于深度学习技术，适合初学者和快速集成。
安装方法：
pip install easyocr使用示例：
import easyocr reader = easyocr.Reader(['en', 'ch_sim']) # 支持多语言 img_path = 'example.jpg' result = reader.readtext(img_path) for line in result: print(line[1]) # 打印识别结果
4、Pytesseract
特点：Tesseract 的 Python 封装，支持多种语言，使用简单，适合传统 OCR 任务。
安装方法：
pip install pytesseract需要先安装 Tesseract OCR，可以从 Tesseract 官网 下载。
使用示例：
from PIL import Image import pytesseract img_path = 'example.jpg' text = pytesseract.image_to_string(Image.open(img_path), lang='eng') print(text) # 打印识别结果
5、DocTR
特点：专注于文档分析和表格识别，能够提取文档中的结构化信息，适合处理复杂布局的文档。
安装方法：
pip install python-doctr
使用示例：
from doctr.models import ocr_predictor from doctr.io import DocumentFile img_path = 'example.jpg' doc = DocumentFile.from_images(img_path) model = ocr_predictor(pretrained=True) result = model(doc) for block in result.pages[0].blocks: for line in block.lines: for word in line.words: print(word.value) # 打印识别结果
6、PyOCR
特点：封装了多个 OCR 引擎（如 Tesseract、Cuneiform 等），提供了统一的接口。
安装方法：
pip install pyocr使用示例：
import pyocr from PIL import Image tools = pyocr.get_available_tools() ocr_tool = tools[0] img_path = 'example.jpg' text = ocr_tool.image_to_string(Image.open(img_path), lang='eng') print(text) # 打印识别结果
选择建议：
速度优先：推荐使用 RapidOCR 或 EasyOCR。
准确性优先：推荐使用 PaddleOCR。
易用性优先：推荐使用 EasyOCR。
文档分析优先：推荐使用 docTR。
注意：根据你的具体需求（如语言支持、应用场景、性能要求等），可以选择最适合的 OCR 库。