在 Pytesser 中使用多种语言

Question

我已经开始使用Pytesser，它对英语和中文都很好用，但是有没有办法让两种语言同时工作？我必须制作自己的训练数据文件吗？我的代码是：

import Image
from pytesser import *
print image_to_string(Image.open("chinese_and_english.jpg"), lang="eng")
#also want to have chinese be recognized 

Answer 1

我不确定 Pytesser，但使用 tesserocr 你可以指定多种语言。例如：

import tesserocr

with tesserocr.PyTessBaseAPI(lang='eng+chi_tra') as api:
    api.SetImageFile('eSXSz.jpg')
    print api.GetUTF8Text()

# or simply
print tesserocr.file_to_text('eSXSz.jpg', lang='eng+chi_tra')

图像的输出示例：

In [8]: print tesserocr.file_to_text('eSXSz.jpg', lang='eng+chi_tra')
Character, Chmese 動m川爬d
胸肌岫馴伽 H枷﹏ P﹏… …

〔Manda‥﹝ 二 Standard C…爬虯



一

口

X慣ng怕ng

请注意，像第一个示例中那样初始化 API 一次，然后通过调用

SetImageFile

（或带有

SetImage

对象的

PIL.Image

）将其重新用于多个图像，以避免每次都重新初始化 API，这样会更有效.

Answer 2

PyTesseract 支持多种语言：

https://pypi.org/project/pytesseract/

具体来说，在

lang

参数中：