在 Tesseract 中保留空间

Posted 2023-04-17

【中文标题】在 Tesseract 中保留空间

【英文标题】：Preserving Spaces in Tesseract

【发布时间】：2019-01-11 02:15:37

【问题描述】：

我有一个图像文件，其中包含一些由制表符（2 个空格）分隔的文本。但是当我从这个图像文件中提取文本时，我总是在两列之间得到一个空格。一个示例：

图片：

col-a    col-b    col-c

期望的输出：

col-a    col-b    col-c

但我得到以下信息：

col-a col-b col-c

我正在使用 pytesseract.image_to_string（Python 模块）将图像转换为文本

【参考方案1】：

像这样使用它：

pytesseract.image_to_string(img, config='-c preserve_interword_spaces=1')

【讨论】：

我试过了，但在这两种情况下都得到了相同的输出 - preserve_interword_spaces=1 和 preserve_interword_spaces=0

preserve_interword_spaces=1 在 tesseract 4 中不再可用。可能稍后会修复。

大家好，这个问题解决了吗？

此问题已修复。见github.com/tesseract-ocr/tesseract/issues/781

tesseract和pytesseract有什么区别？当我下载 pytesseract 时，最新版本是 0.3.7。当我下载 tesseract 时，最新版本是 0.1.3。在 github 他们说有一个版本 4。我如何获得版本 4 以及如何让 python 使用它？