正方体运行错误答案

【问题标题】：Tesseract running error正方体运行错误
【发布时间】：2013-01-25 21:08:51
【问题描述】：

我在 linux 上运行 tesseract-ocr 引擎时遇到问题。我已经下载了 RUS 语言数据并将其放入 tessdata 目录 (/usr/local/share/tessdata)。当我尝试使用命令 tesseract blob.jpg out -l rus 运行 tesseract 时，它显示错误：

Error opening data file /usr/local/share/tessdata/eng.traineddata

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.

Failed loading language eng
Tesseract couldn't load any languages!

Could not initialize tesseract.

根据compiling guide，我用export TESSDATA_PREFIX='/usr/local/share/'指向我的tessdata目录。也许我应该编辑任何配置文件？ Tesseract 尝试加载“eng”数据文件而不是“rus”。

截图： http://i.stack.imgur.com/I0Guc.png

【问题讨论】：

标签： ocr tesseract

【解决方案1】：

你可以抢eng.traineddataGithub：

wget https://github.com/tesseract-ocr/tessdata/raw/master/eng.traineddata

查看https://github.com/tesseract-ocr/tessdata 以获取经过训练的语言数据的完整列表。

当您抓取文件时，将它们移动到/usr/local/share/tessdata 文件夹。警告：某些 Linux 发行版（例如 openSUSE 和 Ubuntu）可能会在 /usr/share/tessdata 中使用它。

# If you got the data from Google, unzip it first!
gunzip eng.traineddata.gz 
# Move the data
sudo mv -v eng.traineddata /usr/local/share/tessdata/

【讨论】：

如果我错了，请纠正我.. 但问题不在于包含一种新语言 (rus) 而不是提供（错误）错误消息指向的语言吗？
edit：出于某种原因，除非存在 eng.traineddate，否则 tesseract 不会运行 - 即使它不需要。所以 AAAfarmclub 的回答很好。
警告：其他 linux 安装（ubuntu 生动）在不同的目录中工作：/usr/share/tesseract-ocr/tessdata 代替
在 Ubuntu-Gnome 16.04 中：/usr/share/tesseract-ocr/tessdata/
Arch Linux: /usr/share/tessdata/ *.traineddata 可以通过 pacman 安装。刚才还没有找到路径，不过现在可以了。

【解决方案2】：

最简单的方法是安装需要的包：

sudo apt-get install tesseract-ocr-eng  #for english
sudo apt-get install tesseract-ocr-tam  #for tamil
sudo apt-get install tesseract-ocr-deu  #for deutsch (German)

如您所见，它打开了通向其他语言（即 tesseract-ocr-fra）的道路。

【讨论】：

这应该是公认的答案。手动修改包管理器后面的文件（假设您首先使用一个来安装 tesseract）是一个坏主意
对于使用 MacPort 的 Mac 用户：sudo port install tesseract-engspan>
您可以使用tesseract --list-langs 查看所有可用的语言。你也可以使用sudo apt-get install tesseract-ocr-*来安装它们
对于arch，包被称为tesseract-data-eng等
不幸的是，这个答案在 Docker 容器中不起作用，尽管它在它之外工作。

【解决方案3】：

我在 Windows 机器上也遇到了这个错误。

我的解决方案。

1) 从以下位置下载您的语言文件 https://github.com/tesseract-ocr/tessdata/tree/3.04.00

例如，对于eng，我下载了所有带有eng前缀的文件。

2) 将它们放入某个文件夹内的 tessdata 目录中。将此文件夹作为 TESSDATA_PREFIX 添加到系统路径变量中。

结果将是系统环境变量：TESSDATA_PREFIX=D:/Java/OCR OCR 文件夹有 tessdata 和语言文件。

这是目录截图：

【讨论】：

是的，每个人都在谈论 linux。请大家不要忘记市场上还有一种更流行的操作系统。

【解决方案4】：

以前没有任何解决方案对我有用。

我已经通过apt-get 安装并手动下载了 tessdata，移动了/usr 等等，即使我导出变量一千次也没有人工作。

最后，在开始哭泣之前的最后一次尝试中，我尝试将路径直接传递给 Tesseract() 的实例。

在 Python 中：tr = Tesseract("/usr/local/share/tesseract-ocr/") 现在它可以工作了。澄清一下，我使用tesserwrap 模块。

【讨论】：

我感觉到你了！我现在就在那里。不同的是，更糟糕的是，我试图让它从命令行运行。

【解决方案5】：

tesseract  --tessdata-dir <tessdata-folder> <image-path> stdout --oem 2 -l <lng>

就我而言，我所犯的错误或未成功的尝试。

我克隆了 github 存储库并将文件从那里复制到
- /usr/local/share/tessdata/
- /usr/share/tesseract-ocr/tessdata/
- /usr/share/tessdata/
在上述路径中使用TESSDATA_PREFIX
sudo apt-get install tesseract-ocr-engli>

前 2 次尝试没有成功，因为来自 git clone 的文件没有成功，原因我不知道。我不确定为什么 #3 尝试对我有用。

最后，

我使用wget 下载了 eng.traindata 文件
复制到某个目录
使用--tessdata-dir 和目录名称

对我来说，重要的是好好学习并使用它，而不是依赖包管理器安装和目录

【讨论】：

【解决方案6】：

您可以从 C 代码中调用 tesseract API 函数：

#include <tesseract/baseapi.h>
#include <tesseract/ocrclass.h>; // ETEXT_DESC

using namespace tesseract;

class TessAPI : public TessBaseAPI {
    public:
    void PrintRects(int len);
};

...
TessAPI *api = new TessAPI();
int res = api->Init(NULL, "rus");
api->SetAccuracyVSpeed(AVS_MOST_ACCURATE);
api->SetImage(data, w0, h0, bpp, stride);
api->SetRectangle(x0,y0,w0,h0);

char *text;
ETEXT_DESC monitor;
api->RecognizeForChopTest(&monitor);
text = api->GetUTF8Text();
printf("text: %s\n", text);
printf("m.count: %s\n", monitor.count);
printf("m.progress: %s\n", monitor.progress);

api->RecognizeForChopTest(&monitor);
text = api->GetUTF8Text();
printf("text: %s\n", text);
...
api->End();

并构建此代码：

g++ -g -I. -I/usr/local/include -o _test test.cpp -ltesseract_api -lfreeimageplus

（我需要 FreeImage 来加载图片）

【讨论】：

@DarkSkull，是的，这是在 Debian GNU/Linux 中测试的 C++ 代码。如您所见，Russel Crowe 的函数 TessAPI::Init(NULL, "rus") 存在问题。检查 Tesseract 源代码（TessAPI 类方法）是有意义的。

【解决方案7】：

我使用的是 Windows 操作系统，我尝试了上述所有解决方案，但都没有奏效。

最后，我将 Tesseract-OCR 安装在 D 盘（我从其中运行我的 python 脚本）而不是 C 盘并且它可以工作。

因此，如果您使用的是 Windows，请在与 Tesseract-OCR 相同的驱动器中运行您的 python 脚本。

【讨论】：

【解决方案8】：

对于 Windows 用户：

在环境变量中，在系统变量中添加一个名为“TESSDATA_PREFIX”且值为“C:\Program Files (x86)\Tesseract-OCR\tessdata”的新变量

【讨论】：

【解决方案9】：

对于 Ubuntu，只需运行以下命令，环境变量错误就会消失。

命令：

export TESSDATA_PREFIX=Path_of_your_tessdata_folder

命令示例：

export TESSDATA_PREFIX=/home/amar/Desktop/OCR/tesseract-4.1.1/tessdata

此命令会将 tessdata 文件夹的路径设置为名为 TESSDATA_PREFIX 的环境变量，上述错误将得到解决。

【讨论】：

【解决方案10】：

对我来说，问题在于我如何下载火车数据文件。确保您获得原始链接。

最初我使用的是：

wget https://github.com/tesseract-ocr/tessdata_best/blob/master/eng.traineddata

当我把它改成：

wget https://github.com/tesseract-ocr/tessdata_best/raw/master/eng.traineddata

成功了

【讨论】：

那行不通。您需要在您的网址中将master 更改为main。

【解决方案11】：

我正在使用 Visual Studio 2017 社区版。
我通过在我的项目的 Debug 目录中创建一个名为 tessdata 的目录来解决这个问题。然后我将 eng.traineddata 文件放入所述目录。

【讨论】：

【解决方案12】：

在此处使用 Windows 的 C# 开发人员。对我有用的只是从以下 URL 下载文件 eng.traineddata：

https://github.com/tesseract-ocr/tessdata/blob/master/eng.traineddata

并将其复制到我的控制台应用程序项目中的以下目录：

[项目目录]\bin\Debug\tessdata

我确实在上面手动创建了 tessdata 文件夹。

【讨论】：

【解决方案13】：

tessdata_dir_config = r'--tessdata-dir "/usr/local/Cellar/tesseract/4.1.1/share/tessdata"'
pytesseract.image_to_string(imgCrop,lang='eng',config=tessdata_dir_config)

【讨论】：

这不是答案。请解释这里发生了什么，以便其他人在阅读您的回复时获得有用的见解。

【解决方案14】：

将此添加到您的代码中：

instance.setDatapath("C:\\somepath\\tessdata");

instance.setLanguage("eng");

【讨论】：

【解决方案15】：

我是如何在 Manjaro Xfce 中解决问题的：

消息“TesseractError: (1, 'Error opening data file /home/julio/snap/tesseract/common/eng.traineddata 请确保将 TESSDATA_PREFIX 环境变量设置为您的“tessdata”目录。加载语言失败'eng ' Tesseract 无法加载任何语言！无法初始化 tesseract。')”

然后，在我的 Manjaro 中，我输入：sudo pacman -S tesseract 然后系统安装了“tesseract”和一个包名“leptonica”

在这一步之后，我认为一切正常，并尝试运行我的简单脚本。但是，错误消息变成了这样的内容（它将以前的“/home”位置更改为其他类似“/usr”的位置）： ““请确保将 TESSDATA_PREFIX 环境变量设置为您的“tessdata”目录。加载语言 'eng' 失败，Tesseract 无法加载任何语言！无法初始化 tesseract。')“”

然后我意识到当我用 pacman 安装“tesseract”时出现了这个消息：“You must install one of tesseract-data-* packages or whole tesseract-data group”

所以，我尝试了命令：“sudo pacman -S tesseract-data”，系统为我提供了很多语言选项。所以我选择了一些语言，安装如下，模块开始像魅力一样工作：

sudo pacman -S tesseract-data-engp>

sudo pacman -S tesseract-data-por

sudo pacman -S tesseract-data-fra

sudo pacman -S tesseract-data-spa

我尝试了一些葡萄牙语特殊字符（如“ão”），仅当我在 pytesseract.image_to_string(img,lang='por') 中使用参数“lang='por'”时才有效

【讨论】：

【解决方案16】：

截至 2021 年，我对 Ubuntu 的解决方案是从 https://github.com/tesseract-ocr/tessdata_best/releases/tag/4.1.0 下载 zip 文件，提取并复制必要的 .traineddata 文件到 /usr/local/share/tessdata。这是 tesseract 4.1.1 搜索训练数据的默认文件夹。

【讨论】：

@innovationism 默认情况下，文件在 Ubuntu 20.04 上的 /usr/share/tesseract-ocr/4.00/tessdata/ 此处存在。正方体是 4.1.1 版。并在此处放置 tessdata_best 文件时，tesseract 会引发错误。如果您遇到此问题，您是如何解决的？

【解决方案17】：

我在 macOS 上使用 DEU 语言时遇到了同样的问题。我可以通过安装所有其他语言来解决它：

brew install tesseract-lang

如https://formulae.brew.sh/formula/tesseract建议的那样

【讨论】：

【解决方案18】：

**如果您有 Windows 操作系统，请将您的 TesseractOCR 添加到系统变量中。比如..

找到 Tesseract 在 C 盘中的安装路径（在我的情况下为 r"C:\Program Files\Tesseract-OCR\tesseract.exe"）** 2）确保你有所需的文件，即tessdata，如果没有，则从https://github.com/tesseract-ocr/tessdata https://github.com/tesseract-ocr/langdata下载它（至少那些你想要转换的语言）
在我的例子中将它粘贴到主目录 C:\Program Files\Tesseract-OCR 4）将目录的路径添加到您的系统环境变量中为此
在开始栏中搜索环境变量转到环境变量单击系统环境变量中的路径（不在用户环境变量中）超越 tesseractocr 的路径

就是这样……

【讨论】：

【解决方案19】：

在 Google Colab 中，我以这种方式解决了这个问题：

!sudo apt-get install tesseract-ocr-*

因为如果您使用此命令!sudo apt install tesseract-ocr，那么它会导入 2 种语言，但是当您打算使用非英语语言时，前一个命令可以工作。之后，使用这个命令!pip install pytesseract 也可以通过这种方式查看语言!tesseract --list-langs

【讨论】：