Tesseract对于阿拉伯语单词/字母不返回任何内容

Question

我已经安装了Pytesseract，它在法语/英语文本以及数字上都可以正常工作。但是，当我尝试阅读任何阿拉伯文字/字母时，它不会返回任何内容。

这是我使用的代码：

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

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

print(pytesseract.image_to_string(Image.open('maroc.jpg'), lang='ara'))

这是我要阅读的字母د：

如果有人能够使用其他方法阅读它，请帮助，谢谢！

Answer 1

代码：

from pytesseract import image_to_string 
from PIL import Image
import pytesseract

print(pytesseract.image_to_pdf_or_hocr('test.png', lang='ara', extension='hocr'))

从here中获取新的阿拉伯语tessdata：

Answer 2

如果您想识别阿拉伯语单词，请从下面的链接下载阿拉伯语训练模型，然后将其保存在您的 Tesseract 文件夹中的位置

C:\Program Files\Tesseract-OCR\tessdata 要么 C:\Program Files (x86)\Tesseract-OCR\tessdata

arabic_tesseract_trained