如何将 Tika python 与 Tesseract OCR 绑定？答案

【问题标题】：How to bind Tika python with Tesseract OCR?如何将 Tika python 与 Tesseract OCR 绑定？
【发布时间】：2017-04-27 08:28:51
【问题描述】：

当我在终端中调用它时，它工作得很好！

tesseract 1.jpg outPutFileHere -l fra

但我正在尝试让它与 tika 一起使用

import tika
import sys
from tika import parser
from tika import detector
tikedDocument = parser.from_file(TextImage)

使用相同的文本图像，我对 tika 没有结果 :(

你知道发生了什么吗？

谢谢

【问题讨论】：

你能格式化你的代码吗？
你关注wiki.apache.org/tika/TikaOCR了吗？
是的！我已经测试过遵循 apache tika 简短教程，他们只是说要安装 tesseract 然后 tika 和......就是这样！我通过子进程调用它并通过文件等获取返回值来重新编码 tesseract 函数......但这不是我首先想要的！蒂卡应该这样做！
@john doe 是的！只需使用 tika 进行脚本 python 调用，如果从子进程中您可以通过 stdout 捕获错误和警告，并在 tika 无法从 pdf 中获取数据时使用 tesseract。

【解决方案1】：

您需要提供名为“X-Tika-OCRlanguage”的标题，例如：

headers = {
    "X-Tika-OCRLanguage": "eng+nor"
}
parsed = parser.from_file(path, headers=headers)

【讨论】：