阅读tesseract中具有混合字符类型的单词

Question

Tesseract似乎更喜欢在其读取的每个“单词”中保持字符类型的一致性。

使用pytesseract的示例：

ArialBold.traineddata

tsr.image_to_string(skimage.io.imread('<image file path>'))
# '750 GONZALEZ DR APT 65\nSAN FRANCISCO.CA 94512'
tsr.image_to_string(skimage.io.imread('<image file path>', lang='ArialBold'))
# '750 GONZALEZ DR APT SB\nSAN FRANCISCO.CA 94512'

╭───╥────────────┬─────────────╮  
│   ║ Interpreted│    Font     │  
╞═══╬════════════╪═════════════╡  
│6B ║     65     │   None      │  
│6B ║     SB     │ ArialBold   │  
└───╨────────────┴─────────────┘  

很明显，“ B”不是“ 5”，而“ 6”不是“ S”。它也将字符类型组合为我正在处理的其他地址。因此，似乎tesseract在解释单词时喜欢保持字符类型统一。有没有办法告诉tesseract 不为每个单词选择同质字符类型？显然，tesseract并不总是将单词解释为具有统一的字符类型。但是在弄乱我的地址时，似乎有一种我想关闭的偏好。