# 创建并激活虚拟环境（可选）
python -m venv ocr-env
source ocr-env/bin/activate  # Linux/macOS
ocr-env\Scripts\activate     # Windows

# 安装EasyOCR
pip install easyocr

import easyocr

# 检查可用的语言列表
print(easyocr.get_available_langs())

import easyocr

# 创建reader对象，指定要识别的语言
reader = easyocr.Reader(['ch_sim', 'en'])  # 中文简体和英文

# 读取图像并识别文本
result = reader.readtext('example.jpg')

# 输出识别结果
for detection in result:
    print('位置:', detection[0])
    print('文本:', detection[1])
    print('置信度:', detection[2])
    print('---')

reader = easyocr.Reader(['en'], 
                      gpu=False,  # 禁用GPU加速（如果可用）
                      model_storage_directory='model/',
                      download_enabled=True)  # 允许自动下载模型

result = reader.readtext('large_image.jpg',
                         batch_size=10,      # 批处理大小
                         decoder='greedy',   # 解码方式
                         beamWidth=5,        # beam search宽度
                         width_ths=0.5,      # 宽度阈值
                         height_ths=0.5,     # 高度阈值
                         contrast_ths=0.5,   # 对比度阈值
                         adjust_contrast=0.5 # 对比度调整

# 同时识别中文、英文和日文
reader = easyocr.Reader(['ch_sim', 'en', 'ja'])

Q1: EasyOCR支持哪些语言？

EasyOCR支持80多种语言，包括中文（简体和繁体）、英语、日语、韩语、法语、德语、西班牙语、俄语等。可以通过easyocr.get_available_langs()查看完整列表。

Q2: 识别速度慢怎么办？

可以尝试以下方法：

• 启用GPU加速（需要安装CUDA）
• 缩小图像尺寸
• 增加batch_size参数
• 只加载需要的语言模型

Q3: 如何提高识别准确率？

提高识别准确率的技巧：

• 确保图像清晰度高、对比度好
• 调整图像方向使文本水平
• 使用allowlist参数限制可能的字符
• 预处理图像（如调整对比度、去噪）
• 设置合适的文本区域阈值参数

Q4: 模型文件太大怎么办？

EasyOCR首次使用时会自动下载语言模型，这些模型文件较大。可以通过以下方式管理：

• 指定model_storage_directory参数集中存储
• 只下载需要的语言模型
• 对于存储受限环境，可以使用轻量级模型