Python Tesseract OCR训练到特定单词列表

Question

我对OCR和Tesseract还是陌生的。

到目前为止，我有一个工作脚本可以从图像中提取相当不错的文本。

我的疑问：是否可以训练tesseract以仅检索某种词典文件中显示的单词/字符？

例如，我有一个.txt，其中包含很多人的名字，我想训练Tesseract：“ SONIA”不是“ 50NlA”，“ YANNICK”不是“ VANNlD”，等等。

如果它具有所有可能名称的列表，将能够提供更好的准确性？如果原始图像是带有很多人名和有关该人的其他信息的文本，但是我只想从ocr中检索名字而忽略“嘈杂的信息”，该怎么办？抱歉，这是一个愚蠢的问题。

我已经阅读了https://groups.google.com/forum/#!topic/tesseract-ocr/r5qkHxQOT98和手册http://tesseract-ocr.googlecode.com/svn/trunk/doc/tesseract.1。 html并创建eng.user-words和市集文件...下一步应该做什么？由于它给了我相同的输出...

非常感谢您的时间和耐心。