GLM-OCR入门教程：Python环境安装与第一个识别程序

GLM-OCR入门教程Python环境安装与第一个识别程序你是不是也对“让电脑看懂图片里的字”这件事感到好奇网上那些高大上的技术文章动不动就是一堆术语看得人云里雾里。今天咱们就换个方式不讲复杂的原理不聊深奥的算法就实实在在地带你走一遍流程从零开始用Python和GLM-OCR这个工具亲手写一个能识别图片文字的小程序。整个过程就像搭积木我们一步一步来。你不需要有深厚的编程功底只要有一台能开机的电脑跟着我的步骤走我保证你能在半小时内看到自己的程序吐出第一行识别结果。那种亲手实现一个功能的成就感绝对比看十篇教程都来得强烈。1. 准备工作把“地基”打好在开始敲代码之前我们得先把“工地”准备好。这里主要就是安装Python和配置一个更快的下载工具。1.1 安装Python请来我们的“总工程师”Python就是我们这次项目的“总工程师”所有的指令都由它来理解和执行。访问官网打开浏览器搜索“Python官网”或者直接访问 python.org。下载安装包在官网首页你会看到一个大大的“Downloads”按钮。点击它系统通常会推荐给你最新版本的安装包比如 Python 3.11.x直接下载就行。运行安装下载完成后双击那个安装文件。这里有一个超级重要的步骤在安装向导的第一个页面务必勾选最下面的“Add python.exe to PATH”这个选项。这相当于给了系统一个地图告诉它我们的“总工程师”住在哪里以后随时随地都能找到它。勾选后点击“Install Now”一路下一步完成安装。验证安装安装完成后我们得确认一下“总工程师”是否就位。同时按下键盘上的WinR键输入cmd然后回车会弹出一个黑色的命令行窗口。在里面输入python --version并回车。如果看到类似Python 3.11.5这样的版本信息跳出来那就恭喜你第一步成功了1.2 配置pip给下载工具换个“高速镜像”Python自带一个叫pip的工具专门用来安装各种功能包就像手机的应用商店。但默认的“应用商店”服务器在国外下载速度可能像蜗牛。我们需要把它换成国内的“镜像站”速度瞬间起飞。继续在刚才的黑色命令行窗口里操作升级pip可选但推荐输入python -m pip install --upgrade pip并回车确保pip本身是最新版本。配置镜像源我们需要修改一下pip的配置文件。在命令行里依次输入并执行下面两条命令# 创建pip配置文件夹如果不存在的话 python -m pip config --user set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # 设置信任这个镜像源的主机 python -m pip config --user set global.trusted-host pypi.tuna.tsinghua.edu.cn这里我们用的是清华大学的镜像源速度快且稳定。执行完这两条命令后以后所有通过pip的安装都会从这个高速通道走。2. 安装GLM-OCR请来我们的“识图专家”“工地”和“高速路”都准备好了现在该请出我们今天的主角——GLM-OCR了。它就是一个封装好的Python工具包里面包含了识别图片文字所需的所有“本领”。安装命令非常简单还是在那个黑色的命令行窗口里输入pip install glm-ocr然后回车。你会看到命令行开始刷刷刷地下载和安装一堆东西。稍等片刻直到最后出现“Successfully installed ...”的字样就表示安装成功了。常见问题排查提示“pip不是内部或外部命令”这说明第一步安装Python时没有成功把Python添加到系统路径PATH。建议卸载Python后重新安装并务必勾选“Add python.exe to PATH”。下载速度极慢或报错可能是镜像源配置没生效。你可以手动创建一个配置文件在用户目录下比如C:\Users\你的用户名\新建一个名为pip的文件夹在里面新建一个文件叫pip.ini用记事本打开写入以下内容并保存[global] index-url https://pypi.tuna.tsinghua.edu.cn/simple trusted-host pypi.tuna.tsinghua.edu.cn然后重新运行安装命令。3. 编写第一个识别程序让代码跑起来环境都齐活了是时候动手创造点东西了。打开你电脑上任何一个文本编辑器比如记事本、VS Code、PyCharm都行。新建一个文件命名为first_ocr.py。3.1 准备一张测试图片在写代码之前我们先找一张“试卷”给程序做。在你的电脑桌面上或者和first_ocr.py同一个文件夹里放一张包含清晰文字的图片。比如你可以用截图工具截一段网页新闻或者用手机拍一张书本页面的照片传到电脑上。记住图片的路径比如C:\Users\你的用户名\Desktop\test.jpg或者简单的test.jpg如果图片和代码在同一文件夹。3.2 编写核心代码现在把下面的代码复制到你的first_ocr.py文件里。我会逐段给你解释保证你能看懂每一行在干嘛。# 导入GLM-OCR库中的识别器 from glm_ocr import Recognizer # 1. 初始化识别器 print(正在启动识别引擎...) recognizer Recognizer() print(引擎就绪) # 2. 指定要识别的图片路径 # 将这里的路径替换成你自己的图片实际路径 image_path “test.jpg” # 例如“C:\\Users\\你的用户名\\Desktop\\test.png” # 3. 执行文字识别 print(f“正在识别图片{image_path}”) result recognizer.recognize(image_path) # 4. 打印识别结果 print(“\n--- 识别结果如下 ---”) print(result) print(“--- 识别完成 ---”)代码解读第一行from glm_ocr import Recognizer。这行代码的意思是“从glm_ocr这个工具包里请出专门负责识别的Recognizer这个工具。”初始化recognizer Recognizer()。我们创建了一个名叫recognizer的识别器对象它现在拥有了所有识图的能力。图片路径image_path “test.jpg”。告诉程序我们要识别的图片在哪里。这里你需要把它改成你自己图片的实际路径和文件名。如果图片和代码在同一个文件夹直接写文件名就行。执行识别result recognizer.recognize(image_path)。这是最核心的一步识别器开始工作分析图片并把识别出的文字结果存到变量result里。打印结果最后的print语句就是把result里的内容也就是识别出来的文字显示在屏幕上。3.3 运行你的程序保存好代码文件。回到那个黑色的命令行窗口你需要先导航到你的代码所在的文件夹。如果你把first_ocr.py放在桌面可以输入cd Desktop然后运行程序python first_ocr.py按下回车你会看到屏幕上依次出现“正在启动识别引擎...”、“引擎就绪”、“正在识别图片...”等提示。稍等几秒钟第一次运行可能会慢一点因为要加载模型最终识别出的文字就会清晰地呈现在你面前4. 更进一步试试更实用的功能成功运行了第一个程序感觉不错吧但只是打印出来好像差点意思。我们再来加点小功能比如把识别结果自动保存到一个文本文件里这样就更实用了。新建一个文件叫save_result.py写入以下代码from glm_ocr import Recognizer # 初始化 recognizer Recognizer() # 图片路径记得修改 image_path “your_image.jpg” # 识别 text_result recognizer.recognize(image_path) # 将结果保存到文件 output_file “识别结果.txt” with open(output_file, ‘w’, encoding‘utf-8’) as f: f.write(text_result) print(f“识别完成结果已保存到{output_file}”)运行这个程序后它不仅会在命令行里显示结果还会在同目录下生成一个名为“识别结果.txt”的文件里面就是纯净的识别文本方便你复制、编辑或者用于其他地方。5. 可能遇到的问题与小贴士第一次尝试遇到点小波折很正常。这里有几个我踩过的坑提前告诉你图片路径错误这是最常见的问题。Windows系统下的路径分隔符是反斜杠\但在Python字符串里它是个特殊字符。所以要么像我的代码里那样用双反斜杠\\要么在路径字符串前加个r比如image_path r“C:\Users\...\test.jpg”或者干脆用正斜杠/Python也能理解比如“C:/Users/.../test.jpg”。最简单的办法就是把图片和代码放同一个文件夹直接用文件名。识别结果不理想如果图片模糊、光线暗、字体奇特或者背景复杂识别准确率可能会下降。尽量使用清晰、端正的印刷体文字图片作为开始。内存或模型加载错误如果图片非常大或者连续处理很多图片可能会遇到内存不足的问题。刚开始先用小图、少量的图片来测试。整个过程走下来你应该已经成功搭建了环境并且亲眼看到了GLM-OCR如何将图片上的文字“读”出来。从安装Python到运行第一个脚本每一步都是实实在在的操作没什么神秘感。编程很多时候就是这样把一个大问题拆解成一个个小步骤然后逐个完成。你现在拥有的这个脚本虽然只有十几行但已经是一个能独立工作的工具了。你可以试着用它去识别不同的图片比如文档截图、书籍封面、路牌照片看看效果如何。遇到问题回头检查一下路径对不对图片清不清晰大部分都能解决。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。