Pythonのpytesseractを使用してテキストを抽出する方法

1. pytesseractのインストール: pytesseractを使用するには、まずTesseract OCRエンジンをインストールする必要があります。以下のコマンドを使用して、pipを介してpytesseractをインストールできます。

   pip install pytesseract

2. 単一の画像からテキストを抽出する: pytesseractを使用して単一の画像からテキストを抽出するには、次のコードを使用します。

   import pytesseract
   from PIL import Image
   # 画像の読み込み
   image = Image.open('image.jpg')
   # テキストの抽出
   text = pytesseract.image_to_string(image)
   # 結果の表示
   print(text)

3. 設定オプションのカスタマイズ: pytesseractでは、いくつかの設定オプションをカスタマイズすることができます。例えば、言語を指定する場合は以下のようにします。

   import pytesseract
   from PIL import Image
   # 画像の読み込み
   image = Image.open('image.jpg')
   # 言語の指定
   config = '--psm 6 -l eng'  # 英語のテキストを抽出する場合
   # テキストの抽出
   text = pytesseract.image_to_string(image, config=config)
   # 結果の表示
   print(text)

   他の設定オプションについては、pytesseractの公式ドキュメントを参照してください。

4. バッチ処理で複数の画像からテキストを抽出する: pytesseractを使用して複数の画像からテキストを抽出する場合は、以下のようなコードを使用できます。

   import pytesseract
   from PIL import Image
   import os
   # 画像フォルダのパス
   folder_path = 'images/'
   # フォルダ内の全画像に対してテキストを抽出
   for filename in os.listdir(folder_path):
      if filename.endswith('.jpg') or filename.endswith('.png'):
          # 画像の読み込み
          image = Image.open(os.path.join(folder_path, filename))
          # テキストの抽出
          text = pytesseract.image_to_string(image)
          # 結果の表示
          print(f"ファイル: {filename}")
          print(f"テキスト: {text}")
          print('---')

これらはpytesseractの基本的な使用例です。詳細な情報や他の使用方法については、pytesseractの公式ドキュメントを参照してください。