python如何提取文档中的文字

在Python中提取文字可以通过多种方法实现，以下是几种常见的方式：

读取文本文件:

使用内置的`open`函数读取文本文件，并将内容保存到变量中。

```python

with open（'hello.txt', 'r'） as file:

data = file.read（）

print（data） 输出文件内容

使用正则表达式:利用`re`模块中的`findall`函数提取字符串中的文字。```python
import re
text = "我大声道撒的阿达瓦dddwad23213 大声道无"
pattern = re.compile（r'[\u4e00-\u9fa5]+'）
result = pattern.findall（text）
print（result） 输出匹配的汉字

使用OCR技术:

利用`pytesseract`库和`PIL`库（Pillow）从图片中提取文字。

```python

from PIL import Image

import pytesseract

确保Tesseract-OCR已安装并配置正确

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

image = Image.open（'example.png'）

text = pytesseract.image_to_string（image）

print（text） 输出图片中的文字

使用深度学习模型:使用预训练的深度学习模型，如卷积神经网络（CNN），从图片中提取文字。```python
import cv2
import numpy as np
from keras.models import load_model
 加载预训练模型
model = load_model（'path_to_model.h5'）
 预处理图片
img = cv2.imread（'example.png'）
img = cv2.cvtColor（img, cv2.COLOR_BGR2GRAY）
img = cv2.resize（img, （32, 32））
img = img / 255.0
 使用模型提取文字
predictions = model.predict（np.expand_dims（img, axis=0））
print（predictions） 输出模型的预测结果

选择合适的方法取决于你要处理的数据类型和场景