tesseract安装教程

以下是 Tesseract OCR 的安装教程，涵盖不同操作系统（Windows、macOS、Linux）及 Python 集成环境的配置步骤，综合了多个来源的权威指南：

一、Tesseract OCR 引擎安装

1. Windows 系统

下载安装包

访问 Tesseract GitHub Release 页面，下载最新版本的 .exe 安装程序（如 tesseract-ocr-w64-setup-v5.x.x.exe）。

安装步骤

双击安装程序，选择路径（建议 C:\Program Files\Tesseract-OCR），勾选“中文语言包”（或后续手动下载）。

环境变量配置

将安装路径（如 C:\Program Files\Tesseract-OCR）添加到系统 PATH 变量中，并新增 TESSDATA_PREFIX 变量指向 tessdata 目录（如 C:\Program Files\Tesseract-OCR\tessdata）。

验证安装

命令行输入 tesseract --version，输出版本信息即成功。

2. macOS 系统

使用 Homebrew 安装：

brew install tesseract

brew install tesseract-lang 安装语言包（含中文）


语言包路径：

将 chi_sim.traineddata 复制到 /usr/local/Cellar/tesseract/x.x.x/share/tessdata/。

3. Linux 系统（以 Ubuntu 为例）

sudo apt update

sudo apt install tesseract-ocr

sudo apt install tesseract-ocr-chi-sim 简体中文包

验证命令同 Windows。

二、Python 模块集成（可选）

1. 安装 Python 依赖库

官方推荐模块 pytesseract

pip install pytesseract pillow

需确保 Tesseract 已安装且环境变量配置正确。

非官方模块 tesseractocr

需下载对应版本的 .whl 文件手动安装（如 tesserocr-x.x.x-cpxx-cpxxm-win_amd64.whl），版本需与 Tesseract 匹配。

2. 测试代码示例

from PIL import Image

import pytesseract

img = Image.open('test.png')

text = pytesseract.image_to_text(img, lang='chi_sim') 简体中文识别

print(text)

若报错 tessdata 路径问题，检查 TESSDATA_PREFIX 环境变量。

三、语言包与进阶配置

下载语言包

从 Tesseract 语言数据仓库 下载 .traineddata 文件（如 chi_sim.traineddata），放入 tessdata 目录。

多语言识别

命令行示例：

tesseract image.png output -l eng+chi_sim 中英文混合识别

四、常见问题解决

安装失败：检查路径无中文/空格，或重新安装 Visual C++ 依赖（Windows）。

识别率低：预处理图像（如二值化、去噪）或训练自定义字库。

上面步骤综合了官方文档及开发者社区的最佳实践，适用于大多数场景。如需更详细的参数调优或训练自定义模型，可参考相关源码文档。