爱分享的淘金达人

OCR(Optical Character Recognition):光学字符识别,是指对图片文件中的文字进行分析识别，获取的过程。Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后经由Google进行改进，消除bug，优化，重新发布。当前版本为4.0step1:安装tesseract从官网下载这个文件：tesser

本章代码建议在linux下面运行，windows下安装gensim会比较麻烦。我是在python3.5.2的pycharm下运行的下面代码的意思是从评论数据中抽取品牌是美的的数据（15-1）[python] view plain copy #-*-coding:utf-8-*-importpandasaspdinput