Tesseract运行错误

我在Linux上运行tesseract-ocr引擎时遇到问题。我已经下载了RUS语言数据并将其放入tessdata目录（/ usr / local / share / tessdata）。当我尝试使用command运行tesseract时tesseract blob.jpg out -l rus，它显示错误：

Error opening data file /usr/local/share/tessdata/eng.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.

Failed loading language eng
Tesseract couldn't load any languages!

Could not initialize tesseract.

根据编译指南，我曾经export TESSDATA_PREFIX='/usr/local/share/' 指向tessdata目录。也许我应该编辑任何配置文件？Tesseract尝试加载“ eng”数据文件而不是“ rus”。

截图：http： //i.stack.imgur.com/I0Guc.png

您可以抓住eng.traineddataGithub：

wget https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata

检查https://github.com/tesseract-ocr/tessdata以获取完整的受训语言数据列表。

当您抓取文件时，将它们移动到/usr/local/share/tessdata文件夹中。警告：某些Linux发行版（例如openSUSE和Ubuntu）可能期望使用它/usr/share/tessdata。

# If you got the data from Google, unzip it first!
gunzip eng.traineddata.gz 
# Move the data
sudo mv -v eng.traineddata /usr/local/share/tessdata/

最简单的方法是安装所需的软件包：

sudo apt-get install tesseract-ocr-eng  #for english
sudo apt-get install tesseract-ocr-tam  #for tamil
sudo apt-get install tesseract-ocr-deu  #for deutsch (German)

您会注意到，它为通向其他语言（即tesseract-ocr-fra）的道路打开了大门。

我在Windows机器上也有此错误。

我的解决方案。

1）从https://github.com/tesseract-ocr/tessdata/tree/3.04.00下载语言文件

例如，对于eng，我下载了所有带有eng前缀的文件。

2）将它们放入某个文件夹内的tessdata目录中。将此文件夹作为TESSDATA_PREFIX添加到系统路径变量中。

结果将是System env var：TESSDATA_PREFIX = D：/ Java / OCR并且OCR文件夹包含带有语言文件的tessdata。

这是目录的屏幕截图：

没有以前的解决方案对我有用。

我已经安装apt-get了tessdata并手动下载了tessdata，然后四处移动/usr等等，即使我将变量导出了数千次，也没人能正常工作。

最后，在开始哭泣之前的最后一次尝试中，我尝试将路径直接传递给Tesseract（）实例。

在Python中：tr = Tesseract("/usr/local/share/tesseract-ocr/")现在可以使用了。为了澄清，即时通讯使用tesserwrap模块。

tesseract  --tessdata-dir <tessdata-folder> <image-path> stdout --oem 2 -l <lng>

就我而言，我犯的错误或尝试并没有成功。

• 我克隆了github存储库并将文件从那里复制到
  • / usr / local / share / tessdata /
  • / usr / share / tesseract-ocr / tessdata /
  • / usr / share / tessdata /
• 使用TESSDATA_PREFIX与上述路径
• sudo apt-get install tesseract-ocr-eng

前2次尝试均不起作用，因为来自git clone我的文件因我不知道的原因而无效。我不确定为什么＃3尝试对我有用。

最后，

1. 我使用下载了eng.traindata文件 wget
2. 复制到某个目录
3. 使用--tessdata-dir与目录名

对我而言，收获是很好地学习和使用该工具，而不是依赖于程序包管理器的安装和目录

您可以从C代码调用tesseract API函数：

#include <tesseract/baseapi.h>
#include <tesseract/ocrclass.h>; // ETEXT_DESC

using namespace tesseract;

class TessAPI : public TessBaseAPI {
    public:
    void PrintRects(int len);
};

...
TessAPI *api = new TessAPI();
int res = api->Init(NULL, "rus");
api->SetAccuracyVSpeed(AVS_MOST_ACCURATE);
api->SetImage(data, w0, h0, bpp, stride);
api->SetRectangle(x0,y0,w0,h0);

char *text;
ETEXT_DESC monitor;
api->RecognizeForChopTest(&monitor);
text = api->GetUTF8Text();
printf("text: %s\n", text);
printf("m.count: %s\n", monitor.count);
printf("m.progress: %s\n", monitor.progress);

api->RecognizeForChopTest(&monitor);
text = api->GetUTF8Text();
printf("text: %s\n", text);
...
api->End();

并构建以下代码：

g++ -g -I. -I/usr/local/include -o _test test.cpp -ltesseract_api -lfreeimageplus

（我需要FreeImage来加载图片）

我正在使用Visual Studio 2017社区版。
我通过在项目的Debug目录中创建一个名为tessdata的目录来解决此问题。然后，我将eng.traineddata文件放入所述目录。

我正在使用Windows操作系统，尝试了以上所有解决方案，但均无作用。

最后，我将Tesseract-OCR安装在D驱动器（从中运行python脚本的位置）而不是C驱动器，并且可以工作。

因此，如果您使用的是Windows，请在与Tesseract-OCR相同的驱动器中运行python脚本。

在此使用Windows的C＃开发人员。对我有用的是，只需从以下URL下载文件eng.traineddata：

https://github.com/tesseract-ocr/tessdata/blob/master/eng.traineddata

并将其复制到我的控制台应用程序项目中的以下目录：

[项目目录] \ bin \ Debug \ tessdata

我确实手动创建了上面的tessdata文件夹。

对于Windows用户：

在“环境变量”中，在名称为“ TESSDATA_PREFIX”的系统变量中添加一个新变量，其值为“ C：\ Program Files（x86）\ Tesseract-OCR \ tessdata”

tessdata_dir_config = r'--tessdata-dir "/usr/local/Cellar/tesseract/4.1.1/share/tessdata"'
pytesseract.image_to_string(imgCrop,lang='eng',config=tessdata_dir_config)