具有Pyspark的Pytesseract引发错误：-找不到pytesseract模块

Question

我正在尝试使用spark和pytesseract编写OCR代码，即使安装了pytesseract模块，我也遇到了pytesseract模块找不到错误。

import pytesseract
from PIL import Image


path='/XXXX/JupyterLab/notebooks/testdir'
rdd = sc.binaryFiles(path)

rdd.keys().collect()
-->['file:XXX/JupyterLab/notebooks/testdir/copy.png']

input=rdd.keys().map(lambda s: s.replace("file:",""))

def read(x):
    import pytesseract
    image=Image.open(x)
    text=pytesseract.image_to_open(image)
    return text

newRdd= input.map(lambda x : read(x))
newRdd.collect()

“在newRdd.collect（）上，我收到以下错误”

ModuleNotFoundError：没有名为'pytesseract'at的模块 org.apache.spark.api.python.BasePythonRunner $ ReaderIterator.handlePythonException（PythonRunner.scala：298）在org.apache.spark.api.python.PythonRunner $$ anon $ 1.read（PythonRunner.scala：438）在org.apache.spark.api.python.PythonRunner $$ anon $ 1.read（PythonRunner.scala：421）在org.apache.spark.api.python.BasePythonRunner $ ReaderIterator.hasNext（PythonRunner.scala：252）在org.apache.spark.InterruptibleIterator.hasNext（InterruptibleIterator.scala：37）在scala.collection.Iterator $ class.foreach（Iterator.scala：893）在org.apache.spark.InterruptibleIterator.foreach（InterruptibleIterator.scala：28）在scala.collection.generic.Growable $ class。$ plus $ plus $ eq（Growable.scala：59）在scala.collection.mutable.ArrayBuffer。$ plus $ plus $ eq（ArrayBuffer.scala：104）在scala.collection.mutable.ArrayBuffer。$ plus $ plus $ eq（ArrayBuffer.scala：48）在scala.collection.TraversableOnce $ class.to（TraversableOnce.scala：310）在org.apache.spark.InterruptibleIterator.to（InterruptibleIterator.scala：28）在scala.collection.TraversableOnce $ class.toBuffer（TraversableOnce.scala：302）在org.apache.spark.InterruptibleIterator.toBuffer（InterruptibleIterator.scala：28）在scala.collection.TraversableOnce $ class.toArray（TraversableOnce.scala：289）在org.apache.spark.InterruptibleIterator.toArray（InterruptibleIterator.scala：28）在org.apache.spark.rdd.RDD $$ anonfun $ collect $ 1 $$ anonfun $ 16.apply（RDD.scala：960）在org.apache.spark.rdd.RDD $$ anonfun $ collect $ 1 $$ anonfun $ 16.apply（RDD.scala：960）在org.apache.spark.SparkContext $$ anonfun $ runJob $ 5.apply（SparkContext.scala：2111）在org.apache.spark.SparkContext $$ anonfun $ runJob $ 5.apply（SparkContext.scala：2111）在org.apache.spark.scheduler.ResultTask.runTask（ResultTask.scala：87）在org.apache.spark.scheduler.Task.run（Task.scala：109）在org.apache.spark.executor.Executor $ TaskRunner.run（Executor.scala：420）在java.util.concurrent.ThreadPoolExecutor.runWorker（ThreadPoolExecutor.java:1149）在java.util.concurrent.ThreadPoolExecutor $ Worker.run（ThreadPoolExecutor.java:624）在java.lang.Thread.run（Thread.java:748）

我不确定如何使用Image.open（）将保存图像路径的rdd.key（）传递给pytesseract.image_to_String（）。

谢谢。

Answer 1

我的错误已通过添加解决

sc.addPyFile（'/ pathto .......... / pytesseract / pytesseract.py'）