如何配置PyteSeract以支持windows 10中非英语语言的文本检测？

Question

我已经试用了pytesseract English。它工作正常，产生了预期的结果。但对于英语以外的其他语言（如阿拉伯语），它无法做到这一点，并给出以下错误：

TesseractError: (1, 'Error opening data file C:\\Program Files (x86)\\Tesseract-OCR\\ara.traineddata 
Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. 
Failed loading language \'ara\' Tesseract couldn\'t load any languages! 
Could not initialize tesseract.')

试图从github完成（ara.traineddata），但无法完成

Answer 1

pytesseract是程序tesseract（由谷歌开发的OCR）上唯一的包装器

tesseract需要使用语言的文件，您可以在其文档中找到：Data Files

您可以将ara.traineddata下载到某个文件夹，并使用选项 tessdata-dir some_folder运行它，然后它将从此文件夹中使用ara.traineddata

如果将ara.traineddata保存在与运行代码相同的文件夹中，则可以使用.（点）

tesseract image.jpg stdout -l ara  tessdata-dir .

你也可以用config=在pytesseract中做同样的事情

import pytesseract

text = pytesseract.image_to_string('image.jpg', lang='ara', config=' tessdata-dir .')

print(text)

最终，您可以使用环境变量TESSDATA_PREFIX来实现此目的

import pytesseract
import os

os.environ['TESSDATA_PREFIX'] = '.'

text = pytesseract.image_to_string('text-ara.jpg', lang='ara')

print(text)

稍后，您可以直接在系统中设置TESSDATA_PREFIX，也可以尝试将ara.traineddata移动到包含其他文件的文件夹.traineddata。应该有eng.traineddata的地方，你可以用find之类的程序/命令来找到

---

我用我在文档中找到的这个图像对它进行了测试：Command Line Usage

---

顺便说一句：tesseract通常将文本保存在文件中，但如果使用stdout，则它会在控制台中显示文本