使用 Python 从图片中提取文字是 OCR 驱动类工作流程中广泛应用的技术，比如文档数字化、表单识别、发票处理等场景均会用到。目前仍有大量重要文档仅以扫描件或照片形式存在，因此将视觉信息转换为机器可识别的文字就显得尤为重要。
本文将介绍如何使用 Spire.OCR for Python 提取图片文本，涵盖基础文本提取、带坐标信息提取、批量图片处理等实用功能，并附上最佳实践与常见问题解答，帮助开发者高效落地 OCR 功能。
内容概览：
高效 Python OCR 库
Spire.OCR for Python 是一款功能强大的文本识别库，尤其适用于需要提取结构化排版信息和支持多语言的应用场景。该 Python OCR 引擎具备以下特性：
- 支持提取纯文本及文本块坐标、排版信息
- 兼容多语言识别：英文、简体 / 繁体中文、法语、德语、日语、韩语等
- 支持主流图片格式：JPG、PNG、BMP、GIF、TIFF
- 部署简单、代码简洁，可快速集成至各类 Python 项目
环境配置：安装库与 OCR 模型
在使用 Python 从图片提取文字前，需要先安装 Spire.OCR 库，并下载与操作系统匹配的 OCR 模型文件。
1. 安装 Spire.OCR for Python
使用 pip 命令安装即可：
pip install spire.ocr
2. 下载 OCR 模型包
根据操作系统下载对应的模型文件包：
下载完成后解压文件，后续在 Python 脚本中配置 OCR 引擎时，需指定模型文件的路径。
核心功能实现：Python 提取图片文字
本节将介绍多种使用 Python 提取图片文字的方法，从简单的纯文本提取开始，逐步讲解更高级的结构化识别方式。
基础 OCR 图片文字提取（图片转纯文本）
该示例可直接识别图片内容，输出无格式纯文本并保存至文件：
from spire.ocr import *
# 创建OcrScanner实例，负责进行图片的OCR扫描和文字识别
scanner = OcrScanner()
# 配置OCR模型路径和识别语言
configureOptions = ConfigureOptions()
configureOptions.ModelPath = r'D:\OCR\win-x64'
configureOptions.Language = 'Chinese'
scanner.ConfigureDependencies(configureOptions)
# 执行OCR扫描，从指定图片文件中识别文本
scanner.Scan(r'示例.png')
# 将识别的文字内容写入文本文件
text = scanner.Text.ToString()
with open('OCR结果.txt', 'a', encoding='utf-8') as file:
file.write(text + '\n')
可选操作：清洗和预处理提取的文字（OCR 后处理）
OCR 识别后的输出结果可能包含空行或无效噪点，以下代码片段可实现文字清洗：
# 清洗提取的文字：移除空行或短行
clean_lines = [line.strip() for line in text.split('\n') if len(line.strip()) > 2]
cleaned_text = '\n'.join(clean_lines)
# 将清洗后的文字保存到新文件
with open('output_clean.txt', 'w', encoding='utf-8') as file:
file.write(cleaned_text)
适用场景：将 OCR 识别结果传入自然语言处理任务或存入数据库前，对结果进行后处理。
提取带坐标信息的图片文字
针对发票、表单、表格等结构化文档，可获取文本块的位置坐标，便于后续数据解析：
from spire.ocr import *
# 创建OcrScanner实例，用于扫描和识别图片中的文本
scanner = OcrScanner()
# 配置OCR模型路径和识别语言
configureOptions = ConfigureOptions()
configureOptions.ModelPath = r'D:\OCR\win-x64'
configureOptions.Language = 'Chinese'
scanner.ConfigureDependencies(configureOptions)
# 执行文本识别，扫描指定图片文件
scanner.Scan(r'报价单.png')
# 获取识别到的文本内容
text = scanner.Text
# 将每个块的文本及其位置信息添加到列表
results = []
for block in text.Blocks:
results.append(f"文本：{block.Text}")
box = block.Box
results.append(f"坐标：X={box.X}, Y={box.Y}, 宽度={box.Width}, 高度={box.Height}")
results.append("---------")
# 将提取的带坐标的文本保存到txt文件
with open("提取文本与坐标.txt", "w", encoding="utf-8") as f:
f.write('\n'.join(results))
以下是带位置信息的文字块识别结果示例：
批量提取文件夹中的多张图片文本
如需批量处理大量图片，可通过遍历文件夹实现自动化识别：
import os
from spire.ocr import *
def extract_text_from_folder(folder_path, model_path):
scanner = OcrScanner()
config = ConfigureOptions()
config.ModelPath = model_path
config.Language = 'English'
scanner.ConfigureDependencies(config)
# 遍历文件夹图片
for filename in os.listdir(folder_path):
if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
image_path = os.path.join(folder_path, filename)
scanner.Scan(image_path)
text = scanner.Text.ToString()
# 为每张图片的识别结果单独创建文件保存
output_file = os.path.splitext(filename)[0] + '_output.txt'
with open(output_file, 'w', encoding='utf-8') as f:
f.write(text)
# 调用示例
extract_text_from_folder(r'D:\images', r'D:\OCR\win-x64')
提取图片文本的实际应用场景
- ✅ 财务票据处理：发票、收据、对账单文字识别
- ✅ 证件信息提取：身份证、护照、驾驶证信息数字化
- ✅ 办公文档数字化：扫描件、照片文档转可编辑文本
- ✅ 表单 / 问卷识别：批量提取纸质表单数据
- ✅ 多语言文档检索：外文图片文本快速识别
如果需要从 PDF 文档而非图片中提取文字，你可以参考相关教程：使用 Python 提取 PDF 中的文本内容。
支持的语言与图片格式
Spire.OCR 支持多种语言和丰富的图片格式，可适配更多应用场景。
支持的识别语言
- 英语
- 简体/繁体中文
- 法语
- 德语
- 日语
- 韩语
可以通过 configureOptions.Language 参数设置识别语言。
支持的图片格式
- JPG / JPEG
- PNG
- BMP
- GIF
- TIFF
如何提高 OCR 识别准确率（最佳实践）
要提升 Python 提取图片文字的 OCR 识别效果，可遵循以下技巧：
- 使用高分辨率图片（分辨率≥300DPI）
- 对图片进行灰度化、阈值处理或去噪等预处理操作
- 避免使用倾斜、噪点过多的扫描件
- 保证 OCR 设置的识别语言与图片中的文字语言一致
常见问题解答
从图片中提取文字的最佳 Python OCR 库是什么？
答：Spire.OCR for Python 是一款高性能的 Python OCR 库，具备高准确率的识别效果、多语言支持能力和排版感知的输出特性。该库还能与 Spire.Office 组件无缝协作，实现全自动化处理——比如将提取的文字保存至 Excel、Word 或可检索的 PDF 文件中。当然，也可以根据自身需求，选择开源工具搭建 Python 图片文字提取的项目。
能否识别表格、排版复杂的图片？
答：Spire.OCR 支持提取文本块坐标，可结合坐标信息解析表格、排版结构，适配复杂文档场景。
如何用 Python 从扫描 PDF 中提取文字？
答：可先使用 Spire.PDF for Python 将 PDF 页面转为图片，再通过 Spire.OCR 执行识别，实现扫描 PDF 文本提取。
总结
Spire.OCR for Python 凭借简洁的 API、高效的识别速度和丰富的功能，是 Python 实现图片文字提取的优质选择。无论是单张图片识别、结构化文本提取，还是批量自动化处理，均可快速集成使用，大幅降低 OCR 功能的开发成本。若想解除 Spire.OCR 的使用限制，可以申请免费的临时许可证。
