Pytesseract:打开数据文件\\程序文件（x86）\\ Tesseract OCR\\en.trainedd时出错

Question

我正试图在Jupyter笔记本上使用pytesseract。

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

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))

我得到以下错误：

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')

我发现这两份推荐信很有帮助，但我遗漏了一些东西： https://github.com/madmaze/pytesseract/issues/50 https://github.com/madmaze/pytesseract/issues/64

谢谢你在这上面花时间！

Answer 1

从你的帖子中，观察到两个可能的问题。

1. 所有经过训练的语言数据都应该保存在TESSDATA_PREFIX， 一个Windows环境变量，在本例中位于C:\Program Files (x86)\Tesseract-OCR\tessdata。

2. 经过tesseract训练的英语数据被命名为eng.traineddata（即'eng'），除非修改其名称。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()，如果无法找到图像文件，则可以包含完整的文件路径（例如'z:\\path\\to\\image'）。

希望如此。