用 Python 批量删除重复内容的图片

场景：

我有近8万张图片在 D:\Downloads\Recording_Cropped 这个文件夹中，它们的文件名和图片上的内容如下表。

需求：

删除图片上有重复数字的图片，例如： Recording_00002.png, Recording_00003.png 和 Recording_00004.png 上面的数字都是 2，所以只需要保留 Recording_00002.png，删除 Recording_00003.png, Recording_00004.png 。

整体解决思路

1. 读取图片内容中的数字（OCR识别）；
2. 记录每个数字第一次出现的图片；
3. 其余含相同数字的图片就删除。

推荐工具组合 (Windows)

步骤详解

步骤 1：安装所需环境

• 安装 Python
  从官网下载安装：https://www.python.org/
• 安装 Tesseract OCR
  下载地址（Windows）：https://github.com/UB-Mannheim/tesseract/wiki
  安装后，记住安装路径，例如：D:\Program Files\Tesseract-OCR\tesseract.exe
• 安装 Python 第三方库
  打开命令提示符，运行以下命令：

  pip install pillow pytesseract
  

步骤 2：Python 脚本识别数字并删除重复
保存下面的 Python 脚本为 Remove Duplicates.py , 我把它放在了 "D:\Works\Python\Remove Duplicates.py"

import os
import shutil
from PIL import Image
import pytesseract
from concurrent.futures <