msys2 |arch pacman|ubuntu：tesseract ocr 安装 - 思源笔记自动调用

安装之后，思源笔记能自动调用，ocr识别图片中的文字，可被搜索到。

思源笔记 > 使用指南 > 资源文件 中有一些说明。

windows msys2安装

：pacman -S ***tesseract***, 包括：软件本体&语言支持包

pacman -S mingw-w64-ucrt-x86_64-tesseract-ocr\
mingw-w64-ucrt-x86_64-tesseract-data-chi_sim \
mingw-w64-ucrt-x86_64-tesseract-data-chi_sim_vert \
mingw-w64-ucrt-x86_64-tesseract-data-chi_tra \
mingw-w64-ucrt-x86_64-tesseract-data-chi_tra_vert \
mingw-w64-ucrt-x86_64-tesseract-data-eng

# 语言包还有：
# osd: Orientation and script detection
# equ: Math / equation detection

设置环境变量：

• PATH: tesseract.exe所在文件夹，比如C:\softwares\msys2\msys64\ucrt64\bin
• TESSDATA_PREFIX：语言包所在文件夹，比如C:\softwares\msys2\ucrt64\share\tessdata

不设置这个可能导致ocr乱码

存在的问题：

• 有时ocr不准
• 有时不对某些图片执行ocr

ubuntu (20.04)

添加源安装最新的（5.4.1, 24.9.18）

sudo add-apt-repository ppa:alex-p/tesseract-ocr5
apt show tesseract-ocr # 查看版本
sudo apt install tesseract-ocr
tesseract -v  # 查看版本

下载语言包，https://tesseract-ocr.github.io/tessdoc/Data-Files.html
放到目标位置：/usr/share/tesseract-ocr/5/tessdata