如何在 Databricks 上安装 Tesseract OCR

Question

我正在尝试在 databrick python 笔记本上运行以下脚本：

pip install presidio-image-redactor
pip install pytesseract
python -m spacy download en_core_web_lg

from PIL import Image
from presidio_image_redactor import ImageRedactorEngine
import pytesseract

image = Image.open("images/ImageData.PNG")

engine = ImageRedactorEngine()

redacted_image = engine.redact(image, (255, 192, 203))

运行最后一行后，我收到以下错误：

TesseractNotFoundError：tesseract 未安装或不在您的路径中。

我错过了什么吗？

Answer 1

您可以%sh在单独的单元中使用在驱动程序节点上执行 shell 命令。要安装 tesseract，你可以这样做：

%sh apt-get -f -y install tesseract-ocr 

如果需要将其安装到集群的所有节点，则需要使用具有相同命令的cluster init 脚本%sh（不带）