Pytesseract：打开数据文件时出错 \\Program Files (x86)\\Tesseract-OCR\\en.traineddata答案

【问题标题】：Pytesseract: Error opening data file \\Program Files (x86)\\Tesseract-OCR\\en.traineddataPytesseract：打开数据文件时出错 \\Program Files (x86)\\Tesseract-OCR\\en.traineddata
【发布时间】：2017-07-22 01:55:30
【问题描述】：

我正在尝试在 Jupyter Notebook 上使用 pytesseract。

Windows 10 x64
以管理权限运行 Jupyter Notebook（Anaconda3、Python 3.6.1）
包含 TIFF 文件的工作目录位于不同的驱动器 (Z:)

当我运行以下代码时：

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')

我发现这两个参考资料很有帮助，但我遗漏了一些东西： https://github.com/madmaze/pytesseract/issues/50 https://github.com/madmaze/pytesseract/issues/64

感谢您抽出宝贵时间！

【问题讨论】：

标签： python tesseract python-tesseract

【解决方案1】：

我遇到了同样的问题。我在谷歌上尝试了所有解决方案，但没有成功。最后，我通过替换解决了这个问题。

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'.

【讨论】：

【解决方案2】：

如果你不想设置环境变量，你也可以作为参数传递

例如：

首先，进行导入

    import pytessetact
    from PIL import Image

现在配置 pytesseract

    pytesseract.pytesseract.tesseract_cmd = "C:/path_to_your_tesseract.exe"
    tessdata_dir_config = '--tessdata-dir "C:/path_to_your_tessdata_folder"'

    pytesseract.image_to_string(image, config=tessdata_dir_config)

【讨论】：

【解决方案3】：

从您的帖子中，观察到两个可能的问题。

所有训练好的语言数据都应该保存在TESSDATA_PREFIX，一个 Windows 环境变量，在您的情况下为 C:\Program Files (x86)\Tesseract-OCR\tessdata。
tesseract 训练的英语数据被命名为 eng.traineddata（即'eng'），除非您修改了它的名称。请参阅此Tesseract Data Files 了解更多信息。

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

希望如此。

【讨论】：