#python #computer-vision #tesseract #python-tesseract
#python #компьютерное зрение #tesseract #python-tesseract
Вопрос:
Я пробовал pytesseract для English . Он работает нормально и дает ожидаемый результат. Но когда речь идет о других языках (например, арабском), отличных от английского, это не удается сделать и выдает следующую ошибку:
TesseractError: (1, 'Error opening data file C:\Program Files (x86)\Tesseract-OCR\ara.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.
Failed loading language 'ara' Tesseract couldn't load any languages!
Could not initialize tesseract.')
Пытался выполнить это ( ara.traineddata ) из github , но не могу это сделать.
Комментарии:
1. что означает, что вы не можете скачать с github?
2. Я нашел страницу Traineddata Files для версии 4.00 , и там есть ссылка, по
ara.traineddataкоторой я могу скачать. Я не тестировал этот файл с помощью tesseract3. после загрузки я могу сделать
tesseract image.png output-file --tessdata-dir folder/with/files/tessdata/ -l ara4. Сделал согласно developpaper.com /… и установил
testerocrиtesserocr. И теперь pytesseract не создает никаких ошибок, а также не генерирует никаких выходных данных. Просто делает clearscreen из python_console. Вместо pytesseract только tesserocr мог выполнять эту работу.5.
pytesseractпросто выполните команду, напримерtesseract image.png output-file ..., чтобы она также могла получать аргументы типа--tessdata-dir— возможно, как словарь с дополнительными опциями
Ответ №1:
pytesseract есть только оболочка в программе tesseract (OCR, разработанная Google)
tesseract нужны файлы с языками, которые вы можете найти в его документации: файлы данных.
Вы можете загрузить ara.traineddata в какую-либо папку и запустить ее с опцией --tessdata-dir some_folder , а затем она будет использоваться ara.traineddata из этой папки.
Если вы сохраняете ara.traineddata в той же папке, в которой выполняете код, вы можете использовать . (точка)
tesseract image.jpg stdout -l ara --tessdata-dir .
И то же самое вы можете сделать, pytesseract используя config=
import pytesseract
text = pytesseract.image_to_string('image.jpg', lang='ara', config='--tessdata-dir .')
print(text)
В конце концов, вы можете использовать переменную среды TESSDATA_PREFIX для этого
import pytesseract
import os
os.environ['TESSDATA_PREFIX'] = '.'
text = pytesseract.image_to_string('text-ara.jpg', lang='ara')
print(text)
Позже вы можете установить TESSDATA_PREFIX непосредственно в системе или попытаться перейти ara.traineddata в папку с другими файлами .traineddata . Должно быть где eng.traineddata -то, что вы можете попытаться найти с помощью программ / команд, таких как find
Я протестировал его с помощью этого изображения, которое я нашел также в документации: Использование командной строки
Кстати: tesseract обычно текст сохраняется в файле, но если вы используете stdout , он отображает текст в консоли.