(CentOS7)PHP应用Tesseract文字识别中文

龙小王

已于 2022-11-03 21:00:20 修改

阅读量777

点赞数

分类专栏： php 文章标签： php 开发语言

于 2022-11-03 20:48:47 首次发布

本文链接：https://blog.csdn.net/qq_23614619/article/details/127677642

版权

php 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

// Github 文档
tesseract：https://github.com/thiagoalessio/tesseract-ocr-for-php

// 安装 tesseract
1.yum install tesseract

// 查看版本,能看到版本说明安装完成
2.tesseract -v

// 搜索语言包
3.yum search tesseract-langpack
//也可以到GitHub下载：https://github.com/tesseract-ocr/tessdata

mirrors / tesseract-ocr / tessdata · GitCode

// 安装Composer包
4.composer require thiagoalessio/tesseract_ocr

5.// php调用OCR
use thiagoalessio\TesseractOCR\TesseractOCR;
public function demo(){
$ocr = new TesseractOCR('demo.jpg');
echo $ocr->run();
}

6.进阶
安装语言包:
yum install tesseract-langpack-chi_sim.noarch （简体中文）
yum install tesseract-langpack-chi_tra.noarch （繁体中文）
yum install tesseract-langpack-eng.noarch （英语）
yum install tesseract-langpack-jpn.noarch （日语）

use thiagoalessio\TesseractOCR\TesseractOCR;
public function demo(){
// lang('chi_tra','chi_sim','eng','jpn')指定语言
echo (new TesseractOCR('demo.jpg'))->lang('chi_tra','chi_sim','eng','jpn')->run();
}

其他：
php中开启exec,system等函数调用系统命令
修改php.ini文件
disable_functions = proc_open, popen, exec, system, shell_exec, passthru
这里要把 exec,system,shell_exec 去掉
重启 php

升级tesseract 4.1 版本
yum-config-manager --add-repo https://download.opensuse.org/repositories/home:/Alexander_Pozdnyakov/CentOS_7/
sudo rpm --import https://build.opensuse.org/projects/home:Alexander_Pozdnyakov/public_key
yum update tesseract
yum list tesseract
yum install tesseract
tesseract -v 如果没有更新版本，建议卸载掉以前的旧版本，重新安装

参考以上步骤安装tesseract4版本

对于tesseract4以上版本，中文语言包需要单独下载，中文语言包名chi_sim.traineddata，和window版本语言包一样，可以复制过来使用，放在/usr/share/tesseract/4/tessdata目录下。

测试图片识别命令,直接在命令行里输出，默认是英文。 # tesseract test.jpg stdout

中文输出命令：# tesseract test.jpg stdout -l chi_sim，如果输出报错，提示TESSDATA_PREFIX变量要求指向tessdata目录，需要在etc/profile.d/lang.sh文件里添加PATH=$PATH:/usr/local/tesseract/bin
export PATH
export TESSDATA_PREFIX="/usr/share/tesseract/4/tessdata"
export PATH=$PATH:$TESSDATA_PREFIX

保存后，命令行里输入命令：source /etc/profile 即可生效。再输入中文识别命令即可显示中文。

其它常用命令：查看语言包 # tesseract --list-langs

window版参考：Win10 环境安装tesseract-ocr 4.00并配置环境变量

https://www.lmlphp.com/user/100143/article/item/1244497/