python3.7 下使用tesseract5.0注意事项

1、下载tesseract5.0

https://github.com/UB-Mannheim/tesseract/wiki

下载后，安装时，要下载语言包，如果没下载中文就无法识别

2、安装pytesseract

pip install pytesseract

pytesseract实际上就是对C:\Program Files\Tesseract-OCR\tesseract.exe的调用的各种参数的python封装

3、测试代码

import pytesseract
from PIL import Image

# 法一：利用pytesseract模块
# 参数一：图片
# 参数二：简体中文
pytesseract.pytesseract.tesseract_cmd=r'C:\Program Files\Tesseract-OCR\tesseract.exe'
text = pytesseract.image_to_string(Image.open("./test_images/d4.png"), lang='chi_sim')
print(text)
如果没有添加pytesseract.pytesseract.tesseract_cmd=r'C:\Program Files\Tesseract-OCR\tesseract.exe'
会报错。

方法1: 将tesseract.exe添加到环境变量PATH中， 

注意: 为了使环境变量生效，需要关闭cmd窗口或是关闭pycharm等ide重新启动 

方法2: 修改pytesseract.py文件，指定tesseract.exe安装路径（亲测可用）

首先找到pytesseract.py文件，然后对其进行修改。 在第26行，改为，要看你具体的安装路径。

tesseract_cmd =r'C:\Program Files\Tesseract-OCR\tesseract.exe'

 

这样就可以测试代码了，但是有时会不太准，因为图像质量问题，建议做预处理。

centos下安装的步骤

https://blog.csdn.net/u010155229/article/details/104172853

字体包在/usr/share/tesseract/4/tessdata/文件夹下跟以前不一样了

1 yum install -y automake autoconf libtool gcc gcc-c++ pkg-config ImageMagick libjpeg-devel libpng-devel libtiff-devel

tesseract 在运行时报错linux 运行时 报错

错误1

Error in pixReadMemTiff: function not present
Error in pixReadMem: tiff: no pix returned
Error in pixaGenerateFontFromString: pix not made
Error in bmfCreate: font pixa not made

错误2

Error in pixWriteMemPng: function not present

主要是由于在编译leptonica时候未配置使用png和tiff库

重新编译leptonica 并使用png和tiff库 更新库后 重新运行程序 不在报错 

在网上看了一下，有的人说是leptonica的问题，可以输入命令:
tesseratc -v查看，只会显示如下信息：
 tesseract 4.1.1-rc2-20-g01fb
 leptonica-1.79.0
  (null)
 Found AVX
 Found FMA
 Found SSE

就是缺少相关可以识别图片的依赖包，解决方法
1、yum install libjpeg-devel
2、yum install libpng-devel
3、进入leptonica的安装文件夹重新编译，我的路径是:
cd /home/Downloads/leptonica-1.72
4、./configure
5、make
6、make install

7、完成以后，再执行tesseratc -v，如果成功你看到的信息应该如下 

tesseract 4.1.1-rc2-20-g01fb
 leptonica-1.79.0
  libjpeg 6b (libjpeg-turbo 1.2.90) : libpng 1.5.13 : zlib 1.2.7
 Found AVX
 Found FMA
 Found SSE