Question

我正在尝试在Jupyter Notebook上使用pytesseract。

Windows 10 x64
使用管理权限运行Jupyter Notebook（Anaconda3，Python 3.6.1）
包含TIFF文件的工作目录位于不同的驱动器（Z :)中

当我运行以下代码时：

try:
    import Image
except ImportError:
    from PIL import Image
import pytesseract

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'

tessdata_dir_config = '--tessdata-dir "C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"'

print(pytesseract.image_to_string(Image.open('Multi_page24bpp.tif'), lang='en', config = tessdata_dir_config))

我收到以下错误：

TesseractError                            Traceback (most recent call last)
<ipython-input-37-c1dcbc33cde4> in <module>()
     11 # tessdata_dir_config = '--tessdata-dir "C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"'
     12 
---> 13 print(pytesseract.image_to_string(Image.open('Multi_page24bpp.tif'), lang='en'))
     14 # print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))

C:\Users\cpcho\AppData\Local\Continuum\Anaconda3\lib\site-packages\pytesseract\pytesseract.py in image_to_string(image, lang, boxes, config)
    123         if status:
    124             errors = get_errors(error_string)
--> 125             raise TesseractError(status, errors)
    126         f = open(output_file_name, 'rb')
    127         try:

TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\en.traineddata')

我发现这两个引用很有帮助，但我遗漏了一些东西： https://github.com/madmaze/pytesseract/issues/50 https://github.com/madmaze/pytesseract/issues/64

感谢您抽出宝贵时间！

Answer 1

在您的帖子中，发现了两个可能的问题。

所有经过培训的语言数据都应保存在TESSDATA_PREFIX中， Windows环境变量，在您的情况下为C:\Program Files (x86)\Tesseract-OCR\tessdata。
tesseract经过培训的英语数据名为eng.traineddata（即'eng'），除非您修改了其名称。有关详细信息，请参阅此Tesseract Data Files。

此外，要使pytesseract读取图像文件Image.open()，如果图像文件无法找到，您可以包含完整的文件路径（例如'z:\\path\\to\\image'）。

希望这样。

Answer 2

如果您不想设置环境变量，也可以将其作为参数传递

例如：

首先，进行进口

    import pytessetact
    from PIL import Image

现在配置pytesseract

    pytesseract.pytesseract.tesseract_cmd = "C:/path_to_your_tesseract.exe"
    tessdata_dir_config = '--tessdata-dir "C:/path_to_your_tessdata_folder"'

    pytesseract.image_to_string(image, config=tessdata_dir_config)

Answer 3

我遇到了同样的问题。我在Google上尝试了所有解决方案，没有成功。最后，我通过替换解决了这个问题。

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'

带

pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'.

Pytesseract：打开数据文件时出错\\ Program Files（x86）\\ Tesseract-OCR \\ en.traineddata

3 个答案: