Python3.6安装使用tesserocr文件时遇到问题

Posted 2020-11-20 NewJune

　　本机运行环境：

　　Win 10 version 1709;

　　Python 3.6.3 (v3.6.3:2c5fed8, Oct  3 2017, 18:11:49) [MSC v.1900 64 bit (AMD64)] on win32

　　在Windows10下，首先需要下载tesseract，它为tesserocr提供底层支持。具体下载官方路径：https://github.com/UB-Mannheim/tesseract/wiki，选择对应的系统版本，可以选择一个相对不带dev的稳定版本下载，如：tesseract-ocr-setup-3.05.02-20180621.exe，

然后一路安装，唯一记得勾选Additional language data（download），勾选可能会用到的语言tessdata，如简体、繁体中文，数学模块等，不需要全选，下载tessdata的时间会比较长。

我们在PowerShell下使用pip3 install tesserocr pillow 命令安装 tesserocr时通常会报错：“error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual C++ Build Tools",这个时候不宜直接去下载Microsoft Visual C++ Build Tools，而是使用原始的whl文件方式安装。tesserocr 的whl官方文件下载路径：https://github.com/simonflueckiger/tesserocr-windows_build/releases，

 

再次在powershell下安装：使用cd跳转到whl文件所在目录，然后 执行 ”pip3 install tesserocr-2.2.2-cp36-cp36m-win_amd64.whl“，即可轻松完成安装。

紧接着用例子验证如何使用：我们找到一个验证码图片：image.jpg，下载到本地磁盘，用代码进行验证：

1 import tesserocr
2 from PIL import Image
3 image=Image.open(\'image.jpg\')
4 print(tesserocr.image_to_text(image))

不出意外，首次运行总是不顺利，相信我遇到的坑大多数人都会遇到，大抵错误类似：

Traceback (most recent call last):
  File "c:\\Users\\NewJune\\test.py", line 4, in <module>
    print(tesserocr.image_to_text(image))
  File "tesserocr.pyx", line 2400, in tesserocr._tesserocr.image_to_text
RuntimeError: Failed to init API, possibly an invalid tessdata path: C:\\Python36\\

 

不难看出 tesserocr.py文件没有指定正确的tessdata 路径，本人的python也并非安装在C:\\Python36\\，网上看到的方法都是添加D:\\Program Files\\Tesseract-OCR这个到系统环境变量，依然不成功，目前本人没找到如何修改tesserocr.py关联的tessdata path有效方式，但是比较简单粗暴的方法是，可以根据提示，直接手工新建C:\\Python36\\，并将D:\\Program Files\\Tesseract-OCR对应的tessdata文件夹整个拷贝到C:\\Python36\\即可。亲测有效。

再次在vscode下运行程序，直接可以输出”7364“，与验证码内容一致。