python tesseract OCR:仅获取数字

Question

我正在使用tesseract OCRwith python tesseract。 在tesseract FAQ中，关于数字，我们有：

Use

TessBaseAPI::SetVariable("tessedit_char_whitelist", "0123456789");

BEFORE calling an Init function or put this in a text file called tessdata/configs/digits:

tessedit_char_whitelist 0123456789

and then your command line becomes:

tesseract image.tif outputbase nobatch digits

Warning: Until the old and new config variables get merged, you must have the nobatch parameter too.

在python tesseract中，SetVariable方法存在。我试过了，但是OCR的结果是一样的：

api = tesseract.TessBaseAPI()
api.SetVariable("tessedit_char_whitelist", "0123456789")
api.Init('.','eng',tesseract.OEM_DEFAULT)
api.SetPageSegMode(tesseract.PSM_AUTO)

有人已经让它工作了吗，或者我应该认为它是python tesseract中的一个bug吗？

Answer 1

好的，开始工作了。 根据tesseract ocr的这个(unofficial ?) documentation，SetVariable（）必须在Init（）之后调用，即使在官方的FAQ中有相反的说法。 在Init（）之后调用它可以正常工作。