如何在tesseract OCR中安装语言

Question

我已经安装了tesseract OCR，它在语言列表中只有'eng'和'osd'。我需要德语。我厌倦了命令

brew install tesseract-ocr-deu

但是我遇到了错误。

Error: No available formula with the name "tesseract-ocr-deu" 
==> Searching for a previously deleted formula (in the last month)...
Warning: homebrew/core is shallow clone. To get complete history run:
   git -C "$(brew --repo homebrew/core)" fetch --unshallow

Error: No previously deleted formula found.
==> Searching for similarly named formulae...
Error: No similarly named formulae found.
==> Searching taps...
==> Searching taps on GitHub...
Error: No formulae found in taps.

Answer 1

在 mac OS 类型上

brew install tesseract-lang 

安装所有语言，您可以通过以下方式检查它们，

tesseract --list-langs

Answer 2

我必须安装意大利语，但 tesseract-lang 安装成本为 164 个文件，654.0MB，并且提供不太精确的版本，速度更快，但效果最好，所以我决定手动安装

添加 shell 的路径（如果您在 Mac 上brew，请使用 查找您的路径brew info tesseract）

export TESSDATA_PREFIX=/usr/local/Cellar/tesseract/5.1.0/share/tessdata/

更新个人资料（如果您处于zsh）

source ~/.zshrc

在我的例子中保存语言best版本ita

wget -O $TESSDATA_PREFIX/ita.traineddata https://github.com/tesseract-ocr/tessdata/raw/main/ita.traineddata

现在您应该看到添加的语言

tesseract --list-langs

Answer 3

在MacOS Mojave（10.14.3）上可以运行：

   brew install tesseract-lang

Answer 4

为了完整起见，我添加了一个关于如何在 Linux 上通过 Tesseract OCR 安装和使用非英语语言的答案。由于这是我在谷歌上得到的第一个结果，我认为它可能对某人有所帮助。

在 Ubuntu/Debian 上安装德语：

$ sudo apt-get install tesseract-ocr-deu

可以在此处找到所有支持语言的语言代码：

https://github.com/tesseract-ocr/tessdoc/blob/master/Data-Files-in-different-versions.md

要在 OCR 引擎中指定语言，请使用选项：-l lang，例如德语：

$ tesseract -l deu 'imagename' 'stdout'

Answer 5

您可以从 tesseract 存储库下载它们。

目前 4.0 版本的 tessdata 可以在这里找到，3.04 版本的 tessdata 可以在这里找到。