在搭建tesseract-OCR环境中遇到问题和反省

Tesseract，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，特点是开源，免费，支持多语言，多平台。

 

在搭建流程很简单：

（1）下载并安装 tesserct-ocr（记住安装路径）

Windows版exe安装文件地址：https://github.com/UB-Mannheim/tesseract/wiki

 

（2）安装pytesseract：

在cmd中，直接：pip install pytesseract

 

（3）配置下环境：

其中pytesseract.py文件存储在Python包文件夹中，你可以使用如下语句找到其绝对路径：

 

（4）编写4行代码测试OCR识别效果：

 

 ——————————————————————————————————————————————————————————————————

上述流程很简单，但是实际上自己花了近3个小时才疏通该环境，其中近两个小时在解决一个报错问题：

 

无论我怎么修改pytesseract.py那行语句（比如路径用 \\双斜杠、或路径前加‘r’，或用‘/’反斜杠，或去掉.exe），或是修改环境变量，或是重启jupyter notebook，找遍网上几乎所有解答，几乎都没用。

 

其中步骤（3）配置环境中，自己也早使用方法3尝试解决过这个问题，但当时没起作用，当时也不清楚方法3的真实作用。经过近两个小时捣鼓后，终于在https://blog.csdn.net/jacke121/article/details/75443785博客中找到解决办法。

我直接粘贴复制其代码，修改了图片路径和pytesseract.py路径，在jupyter notebook中执行后，瞬间看到了OCR识别结果。泪崩~

 

问题原因：

（1）起始当初自己也用过方法3，但报了一个错，依旧是“系统找不到指定文件”，自己就以为该方法同样不起作用。其实那时，自己在使用该方法时，没有意识到路径要使用 \\ 或者 / 或者 加前缀r，依旧使用的 \ !

而之后再寻找答案中，明白路径怎么写后，又忘记当初测试方法3时用错了路径规则。真是‘测不逢时’。。。

（2）导致“系统找不到指定文件”的原因是：pytesseract.py文件在E盘，而自己jupyter notebook默认只能浏览F盘内文件，为了能够在jupyter中浏览pytesseract.py文件的内容（比用记事本打开更直观、也比其他软件更快速），我就手残将该文件复制了一份到用于测试该项目的jupyter源文件夹内，而由于我在测试代码里写了：，所以测试代码一直import的是我刚才复制的那一份pytesseract.py，而后续所有环境配置的操作，都是修改的是E盘中那份原始pytesseract.py。所以无论我怎么去改环境变量、修改原始pytesseract.py文件中的代码，报错依旧无法解决。

（3）在巧合下，某此复制别人代码，终于解决了这个问题。后来，通过溯源，也明白了很多技术原理，比如的作用，就是修改源文件中'tesseract_cmd'变量的值。

 

有用的参考：

https://github.com/nikhilkumarsingh/tesseract-python

https://blog.csdn.net/jacke121/article/details/75443785

https://blog.csdn.net/u011085172/article/details/71466182

 

转载于:https://www.cnblogs.com/Edison25/p/10214442.html