文字识别tesseract

关于文字识别tesseract包出错

Error opening data file ./tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your “tessdata” directory.
Failed loading language ‘eng’
Tesseract couldn’t load any languages!
Could not initialize tesseract.

下载pytesseract

pip install pytesseract

可以用清华源下载加速

下载Tesseract

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

下载过程中需要勾选additonal language data(download)需要勾选包括中文的包，但是当你勾选之后，可能文件夹里面也没有你要的"chi_sim"中文翻译包

在dessdata中查看有没有"chi_sim"开头的文件

如果没有则到chi_sim.traineddata · master · mirrors / tesseract-ocr / tessdata · CODE CHINA (gitcode.net)

这个包里面下载文件。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ngaGdEYc-1637423737062)(C:\Users\86184\AppData\Roaming\Typora\typora-user-images\image-20211120232530818.png)]

系统环境变量

TESSDATA_PREFIX //变量名字

D:\zjj\tesseract\Tesseract-OCR\tessdata #自己的tessdata

到了这一步差不多就都可以了

但是有的电脑可能还有其他问题

当你把代码都写好

import pytesseract as pt
from PIL import Image
path=r"D:\zjj\Tesseract-OCR\tesseract.exe"

pt.pytesseract.tesseract_cmd = path

img = Image.open("image/123.jpg")
text = pt.image_to_string(img,lang="chi_sim")
print (text)

可能还会有这个报错！

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your “tessdata” directory.

当有报错时在终端执行这个命令

SET TESSDATA_PREFIX=D:\tesseract\Tesseract-OCR

有一部分人就是卡在这个环节。所以对于一部分人是举足轻重的一步

文章转载

chi_sim.traineddata · master · mirrors / tesseract-ocr / tessdata · CODE CHINA (gitcode.net)