我刚刚安装了Tesseract OCR,在运行命令$ tesseract --list-langs
之后,输出只显示了两种语言:eng
和osd
。我的问题是,我该如何加载另一种语言,特别是日语?
我刚刚安装了Tesseract OCR,在运行命令$ tesseract --list-langs
之后,输出只显示了两种语言:eng
和osd
。我的问题是,我该如何加载另一种语言,特别是日语?
eng.traineddata
,并通过传递语言标志-l LANG
,tesseract应该能够读取您指定的语言,在下面的示例中,是日语:tesseract -l jpn sample-jpn.png output-jpn
。1. pip install pytesseract
2. for windows install tesseract-ocr from
https://digi.bib.uni-mannheim.de/tesseract
select all language options while installing
3. set the tesseract-ocr path under anaconda/lib/site-packages/pytesseract/pytesseract.py
tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'
4. from pytesseract import image_to_string
print(image_to_string(test_file, 'jpn')) #for Japenese text extraction
/opt/homebrew/Cellar/tesseract/share/tessdata/
目录下。
3. 语言代码将保存在"Japanese"
或者文件名对应的位置。