Tesseract 4.1.1 错误 eng.traineddata 在 google colab 中找不到

Question

我正在尝试在 google colab 中安装 tesseract 4.1.1。我已经安装了 tesseract，我可以使用

!tesseract --version

检查版本。之后我在

/usr/local/share/tessdata/

文件夹中下载了eng.traineddata和org.traineddata

现在当尝试从 python 使用它时，它给了我以下错误

TesseractError: (1, 'Error opening data file /usr/local/share/tessdata/eng.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'eng\' Tesseract couldn\'t load any languages!)

我尝试使用此方法检查文件是否存在

if os.path.isfile('/usr/local/share/tessdata/eng.traineddata'):
    print ("File exist")

打印

File exist

。任何有关这方面的帮助将不胜感激。谢谢

Answer 1

我不知道你尝试过哪些软件包，但我会将我的解决方案用于谷歌协作

1. 首先安装tesseract-ocr

   !sudo apt install tesseract-ocr

2. 使用 pip 安装 tesserarct

   !pip install pytesseract

3. 设置您的环境文件夹

   import os
   os.environ['TESSDATA_PREFIX'] = '/usr/share/tesseract-ocr/4.00/tessdata/'

4. （可选）如果您想要英语以外的其他语言（即 fr 或 esp），则必须使用此安装，在我的情况下，我使用日语

   !apt-get install -y language-pack-ja
   !export LC_ALL=ja_JP.utf8
   import locale
   !apt-get install -y tesseract-ocr-jpn

5. 检查您的语言是否已安装（您的代码），默认安装英语，但以下我的情况是

   import os
   if os.path.isfile('/usr/share/tesseract-ocr/4.00/tessdata/jpn.traineddata'):
     print ("File exist")
   else:
     print("Nope")

6. 配置完毕后，您就可以运行代码了

   
   import pytesseract
   import shutil
   import os
   import random
   try:
     from PIL import Image
   except ImportError:
     import Image
   from google.colab import files
   uploaded = files.upload()
   '''here you can delete the lang atribute because english is by default, in my case i uploaded an image named "2.png"'''
   extractedInformation = pytesseract.image_to_string(Image.open('2.png'), lang="jpn")
   print(extractedInformation)
   

希望可以帮到你

Answer 2

尝试这个命令

export TESSDATA_PREFIX=/usr/local/share/