简介：这是一份面向Python开发者与办公自动化需求者的图片文字提取工具包，基于easyOCR库实现离线OCR识别，可在64位Windows系统上批量抓取图片中的文本，适用于文档数字化、发票处理、表单录入等场景。压缩包共4862个文件，约808.61MB，以py源码、pyc字节码、pyd扩展模块和h头文件为主，同时包含dll动态库、ttf字体、png图标及大量txt说明与msg日志文件，完整保留了easyOCR运行所需的依赖环境与语言模型资源。目前已有1307人学习下载。工具支持中英文等多语言识别，提供批量处理、参数自定义、多线程加速与异常捕获等能力，读者可直接运行现成脚本，也可基于源码进行二次开发，快速搭建属于自己的图片文字提取流程。

1. 从一张截图说起：为什么我最后还是选了 easyOCR 来搭文字提取环境

上周帮同事处理一批扫描件，对方甩过来一个压缩包，文件名就叫「图片文字提取工具.zip」。我第一反应是找在线接口，结果内网环境根本连不出去，只能老老实实在本机搭一套离线 OCR。试了三个方案，要么装完跑不起来，要么中文识别率惨不忍睹，最后回到 easyOCR 这条路上，才算把环境跑通。这篇笔记就记录我从零搭这套文字提取环境的完整过程，包括版本怎么选、依赖怎么装、模型怎么下、跑不通怎么救。如果你也卡在「图片文字提取工具怎么安装」「easyOCR 环境搭建」这类问题上，照着走一遍基本能复现。整套环境适合需要在本地批量处理图片文字、又不想依赖外部服务的开发者，新手跟着命令走也能跑通，熟手可以重点看版本差异和那几个容易翻车的参数。

2. 环境准备：Python 版本、依赖和模型文件的取舍

2.1 Python 版本别乱选，3.8 到 3.11 是安全区

easyOCR 对 Python 版本不算挑剔，但也不是随便哪个都能装。我一般会锁定 3.9 或 3.10，这两个版本在 PyTorch 和 OpenCV 的轮子兼容性上最稳。3.12 刚出那阵子我试过一次，torch 的预编译包还没跟上，pip 装到一半就开始编译源码，等了二十分钟直接报错退出。3.7 及以下就更别碰了，不少依赖已经停止维护。

先确认本机 Python 版本：

python --version # 期望输出 Python 3.9.x 或 3.10.x

如果版本不对，常见做法是用 conda 单独开一个环境，别去动系统自带的 Python：

conda create -n ocr_env python=3.10 -y conda activate ocr_env

这里-n ocr_env是环境名，随便起，但建议带 ocr 字样方便识别；python=3.10明确指定小版本，避免 conda 给你解析到 3.12。激活之后所有安装动作都在这个环境里做，装坏了直接conda env remove -n ocr_env删掉重来，不影响主机。

2.2 核心依赖三件套：torch、opencv、easyocr

easyOCR 本身是个上层封装，真正干活的是 PyTorch 做推理、OpenCV 做图像预处理。安装顺序有讲究，先装 torch 再装 easyocr，否则 pip 可能给你拉一个 CPU 版本的 torch 凑合，后面跑起来慢得你想砸键盘。

CPU 版本这样装：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu pip install opencv-python-headless pip install easyocr

--index-url指向 PyTorch 官方轮子仓库，能避开从源码编译。opencv-python-headless是不带 GUI 的版本，服务器上跑不需要弹窗，体积也小一圈。如果你本机有 NVIDIA 显卡并且装了对应驱动，可以把第一行换成 CUDA 版本，具体命令去 PyTorch 官网查对应 CUDA 版本的索引地址，别照抄别人的，显卡驱动版本对不上照样报错。

装完验证一下：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())" python -c "import easyocr; print(easyocr.__version__)"

第一行会输出 torch 版本和 CUDA 是否可用。如果是False但你确实有显卡，多半是装成了 CPU 版，回退重装。第二行能打印出版本号就说明 easyocr 导入没问题。

2.3 模型文件：第一次运行会自动下载，但你可以提前备好

easyOCR 默认在第一次调用Reader时下载检测和识别模型，中文模型大概几十兆到一百多兆。内网或者网络不稳的环境，这一步经常卡住甚至超时。我一般会提前把模型目录配好，让它下到指定位置，方便后续迁移和复用。

import easyocr # model_storage_directory 指定模型存放目录 # download_enabled=True 表示允许自动下载 reader = easyocr.Reader( ['ch_sim', 'en'], model_storage_directory='./ocr_models', download_enabled=True, gpu=False )

['ch_sim', 'en']是语言列表，ch_sim 是简体中文，en 是英文，两个一起传能处理中英混排。model_storage_directory建议设成项目下的固定目录，这样换机器时整个目录拷过去就能离线用。gpu=False强制走 CPU，如果你确认 CUDA 可用就改成 True。第一次运行会看到下载进度条，下完之后目录里会出现.pth模型文件，之后就不再重复下载了。

提示：模型下载失败时先看报错里的 URL，如果是连接超时，多半是网络问题；如果是 403 或 404，检查 easyocr 版本和模型仓库是否匹配，版本太老可能指向已失效的地址。

3. 安装落地：从 pip 到跑通第一张图

3.1 用 requirements.txt 固定版本，别让 pip 自由发挥

直接pip install easyocr会拉最新版，今天装和下周装可能拿到不同版本，依赖冲突就是这么来的。我习惯先冻结一份依赖清单：

pip freeze > requirements.txt

然后在干净环境里按清单装：

pip install -r requirements.txt

如果是从零开始，可以先装一次，确认能跑通之后立刻 freeze，把这份清单作为基线。团队协作时把 requirements.txt 提交到仓库，别人复现你的环境就少踩很多坑。注意 torch 的版本号里带+cpu或+cu118这种后缀，freeze 出来的清单换机器可能装不上，这种情况我一般手动把 torch 那几行改成不带后缀的通用版本，或者单独写一个安装脚本处理。

3.2 写一个最小可运行脚本，先验证再批量

环境装完别急着上批量任务，先用一张图跑通全流程。准备一张带文字的图片，比如截图或者扫描件，存成test.png：

import easyocr # 初始化 Reader，指定中英文 reader = easyocr.Reader(['ch_sim', 'en'], gpu=False) # readtext 返回列表，每项是 (bbox, text, confidence) results = reader.readtext('test.png') for bbox, text, conf in results: # conf 是置信度，低于 0.5 的基本可以忽略 if conf > 0.5: print(f'{conf:.2f} {text}')

readtext的返回值里，bbox是文本框四个角的坐标，text是识别出的文字，conf是置信度。实际用的时候我一般会过滤掉置信度低于 0.5 的结果，那些多半是噪点或者误检。如果这张图能正常输出文字，说明环境没问题，可以进入批量处理阶段。

3.3 批量处理时的参数调优：batch_size 和 workers

单张跑通之后，批量处理才是真正的战场。easyOCR 的readtext支持传batch_size和workers，但这两个参数不是越大越好。我试过在一台 8 核机器上把 workers 开到 8，结果内存直接飙满，进程被系统杀掉。

import easyocr import os reader = easyocr.Reader(['ch_sim', 'en'], gpu=False) image_dir = './images' for fname in os.listdir(image_dir): if not fname.lower().endswith(('.png', '.jpg', '.jpeg')): continue fpath = os.path.join(image_dir, fname) # batch_size 控制单次送入模型的图片数量 # workers 控制并行读取的线程数，CPU 环境建议 0 或 1 results = reader.readtext(fpath, batch_size=1, workers=0) texts = [t for _, t, c in results if c > 0.5] print(fname, '->', ' '.join(texts))

batch_size=1是最稳的，显存或内存不够时优先降这个。workers=0表示不用多线程，CPU 环境下多线程反而可能因为 GIL 和内存拷贝拖慢速度。如果确实要提速，先把 batch_size 调到 4 或 8 试试，观察内存占用，别一上来就拉满。

注意：批量处理大量图片时，Reader 对象只初始化一次，放在循环外面。每次循环都 new 一个 Reader 会反复加载模型，慢到怀疑人生。

4. 避坑与排查：那些让我重装三次的问题

4.1 现象：ImportError: libGL.so.1 找不到

原因：opencv-python 依赖系统里的 libGL 库，但很多精简版 Linux 镜像不带这个库。解决：要么装opencv-python-headless替代，要么补上系统库：

# Debian/Ubuntu 系 apt-get update && apt-get install -y libgl1 libglib2.0-0

我现在的习惯是直接装 headless 版本，省得跟系统库纠缠。服务器上不需要显示图片，headless 完全够用。

4.2 现象：识别结果全是乱码或者空列表

原因：图片路径含中文、图片本身分辨率太低、或者语言参数没传对。解决：先把图片转成英文路径，确认分辨率不低于 300px 宽，然后检查Reader(['ch_sim', 'en'])里的语言代码。简体中文是ch_sim，不是zh也不是chinese，写错了不会报错，但识别结果会莫名其妙。

4.3 现象：第一次运行卡在下载模型，进度条不动

原因：模型仓库连接不稳定，或者model_storage_directory指向了一个没有写权限的目录。解决：换一个有写权限的目录，手动下载模型文件放进去，然后把download_enabled设为 False。手动下载的地址在 easyocr 的源码里能找到，搜model_url就能看到。

4.4 现象：CUDA out of memory

原因：gpu=True但显存不够，或者 batch_size 太大。解决：先降 batch_size 到 1，还不行就切回 CPU。我一般会在代码里加个判断，显存小于 4G 就直接走 CPU，别硬撑。

import torch use_gpu = torch.cuda.is_available() and torch.cuda.get_device_properties(0).total_memory > 4 * 1024**3 reader = easyocr.Reader(['ch_sim', 'en'], gpu=use_gpu)

4.5 现象：pip 装 easyocr 时卡在 Building wheel for opencv

原因：pip 找不到预编译轮子，开始从源码编译，而编译又缺 cmake 等工具。解决：升级 pip 到最新版，或者指定 opencv 的版本号装预编译包：

pip install --upgrade pip pip install opencv-python-headless==4.8.1.78

版本号可以换成当前可用的，关键是让它走 wheel 而不是源码。

5. 装完怎么验证：三个层次确认环境真的可用

5.1 第一层：导入和版本检查

最基础的验证是确认所有包能正常导入，版本符合预期：

python -c " import easyocr, torch, cv2 print('easyocr:', easyocr.__version__) print('torch:', torch.__version__) print('opencv:', cv2.__version__) print('cuda:', torch.cuda.is_available()) "

四行输出都正常，说明依赖链没有断裂。如果某一行报 ImportError，回到第 2 章检查对应包的安装步骤。

5.2 第二层：单图识别，看文字和置信度

准备一张内容已知的图片，跑一遍识别，人工核对结果：

import easyocr reader = easyocr.Reader(['ch_sim', 'en'], gpu=False) results = reader.readtext('test.png', detail=1) for bbox, text, conf in results: print(f'置信度 {conf:.2f} | 文字: {text}')

detail=1是默认值，返回完整信息；如果只想要文字列表，可以传detail=0。核对时重点看两点：文字内容对不对，置信度是否普遍高于 0.7。如果置信度普遍偏低，检查图片质量和语言参数。

5.3 第三层：批量跑十张图，观察内存和耗时

单图通过不代表批量没问题。我会挑十张不同类型的图，跑一个循环，同时用time和psutil观察资源占用：

import easyocr import time import psutil import os reader = easyocr.Reader(['ch_sim', 'en'], gpu=False) image_dir = './images' files = [f for f in os.listdir(image_dir) if f.lower().endswith(('.png', '.jpg'))][:10] start = time.time() for fname in files: reader.readtext(os.path.join(image_dir, fname), batch_size=1, workers=0) mem = psutil.Process().memory_info().rss / 1024**2 print(f'{fname} 完成，当前内存 {mem:.0f} MB') print(f'总耗时 {time.time() - start:.1f} 秒')

十张图跑完，内存没有持续增长（说明没有泄漏），总耗时在可接受范围内，这套环境就算真正落地了。如果内存一直涨，检查是不是在循环里重复创建了 Reader 对象。

5.4 一个我踩过的验证坑

有次我在一台机器上验证通过，换到另一台机器上跑同样的脚本，结果识别出来的文字全是方框。查了半天发现是字体问题——那台机器缺少中文字体，OpenCV 在绘制调试框时显示异常，但实际识别结果是对的。从那以后我每次验证都会把识别结果直接打印到终端，而不是依赖可视化输出。终端里能看到正确的中文，才算真的通过。

提示：验证时把gpu参数显式写出来，别依赖默认值。不同版本的 easyocr 默认值可能不一样，显式指定能避免换环境后行为不一致。

这套环境从 Python 版本锁定到模型目录配置，再到批量处理的参数取舍，每一步我都尽量把踩过的坑标出来了。图片文字提取这件事，装一次跑通不难，难的是换台机器、换个版本还能稳定复现。把 requirements.txt 和模型目录一起管好，下次迁移就是拷贝两个文件夹的事。希望帮到你。

本文还有配套的精品资源，点击获取