Pytesseract：打开数据文件错误\\ Program Files（x86）\\ Tesseract-OCR \\ en.traineddata

Question

我想在Jupyter笔记本上使用pytesseract。

• 的Windows 10的x64
• 运行Jupyter笔记本（Anaconda3，Python的3.6.1）具有管理权限
• 包含TIFF文件的工作目录是不同的驱动器（Z :)

当我运行以下代码：

try: 
    import Image 
except ImportError: 
    from PIL import Image 
import pytesseract 

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe' 

tessdata_dir_config = '--tessdata-dir "C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"' 

print(pytesseract.image_to_string(Image.open('Multi_page24bpp.tif'), lang='en', config = tessdata_dir_config)) 

我收到以下错误：

TesseractError       Traceback (most recent call last) 
<ipython-input-37-c1dcbc33cde4> in <module>() 
    11 # tessdata_dir_config = '--tessdata-dir "C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"' 
    12 
---> 13 print(pytesseract.image_to_string(Image.open('Multi_page24bpp.tif'), lang='en')) 
    14 # print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra')) 

C:\Users\cpcho\AppData\Local\Continuum\Anaconda3\lib\site-packages\pytesseract\pytesseract.py in image_to_string(image, lang, boxes, config) 
    123   if status: 
    124    errors = get_errors(error_string) 
--> 125    raise TesseractError(status, errors) 
    126   f = open(output_file_name, 'rb') 
    127   try: 

TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\en.traineddata') 

我发现这两个引用有益的，但我失去了一些东西： https://github.com/madmaze/pytesseract/issues/50 https://github.com/madmaze/pytesseract/issues/64

谢谢你的时间在这！

Answer 1

从您的帖子中，观察到两个可能的问题。

1. 所有训练的语言数据应保存在TESSDATA_PREFIX， 一个Windows环境变量，这是你的情况C:\Program Files (x86)\Tesseract-OCR\tessdata。

2. 经过训练的英文数据tesseract被命名为eng.traineddata（即'eng'），除非您修改了名称。有关更多信息，请参阅此Tesseract Data Files。

此外，pytesseract读取图像文件Image.open()，您可以包括完整的文件路径（例如'z:\\path\\to\\image'）如果图像文件无法找到。

对此希望。

Answer 2

我面临同样的问题。我在Google上尝试了所有解决方案，但没有成功。最后，我通过替换解决了问题。

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe' 

与

pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'.