Pytesseract / 识别字符 + 数字 + 空格

Question

我想用下面的代码从一张图片中识别一些文本（包括数字和空格）：

erg = pytesseract.image_to_string(img)

一般来说，这样做是没问题的，但我也得到了我不想要的字符，比如Ô。

ÔAU OPTRONICS CORPORATION

() Preliminary Specification
(V) Final Specification
Module 18.5" Color TFT-LCD
Model Name (G18SHANOT.O
Customer Date ÔApproved by Date
Crystal Hsieh 2016/06/29
Approved by Propared by

所以我尝试用下面的代码来设置白名单，给tesseract指定允许的字符：

workString =f'-c tessedit\_char\_whitelist={string.digits}(){string.ascii\_letters}' 
erg = pytesseract.image\_to\_string(img, config=workString)

这样我得到的文本是这样的——看起来Ô没有被输出了，但不幸的是，空格都没有了：

AUOPTRONICSCORPORATION

()ProliminarySpecification
(V)FinalSpecification
Module 185ColorTFTLCD
ModelName (G18SHANOTO
Customer Date Approvedby Date
CrstalHsieh 2016(06)29
Approvedby Proparedby

有没有办法既能设置允许的字符和数字，又能保留空格呢？

Answer 1

config = f"-c tessedit_char_whitelist='abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789.#-:/ '"

试试这个。我在遇到类似问题时，在内层引号里加了一个空格，这个方法对我有效（空格是字符串中的最后一个字符）。你可以随意添加或删除任何字符，让tesseract包含或排除。