使用homebrew安装tesseract

• 先安装homebrew

从清华源下载安装脚本

$ git clone --depth=1 https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/install.git brew-install

不必加 sudo 权限，执行安装脚本（输入密码后，一直回车即可）

bash brew-install/install.sh

查看当前shell类型

$ echo $SHELL
/usr/bin/zsh

配置环境变量

$ (echo; echo 'eval "$(/home/linuxbrew/.linuxbrew/bin/brew shellenv)"') >> ~/.zshrc
eval "$(/home/linuxbrew/.linuxbrew/bin/brew shellenv)"

验证是否可用

$ brew -v                    
Homebrew 4.6.6

设置镜像源长期，编辑配置文件

$ nano .zshrc

文件末尾加入以下内容

export HOMEBREW_API_DOMAIN="https://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles/api"
export HOMEBREW_BOTTLE_DOMAIN="https://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles"
export HOMEBREW_BREW_GIT_REMOTE="https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git"
export HOMEBREW_CORE_GIT_REMOTE="https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/homebrew-core.git"
export HOMEBREW_PIP_INDEX_URL="https://pypi.tuna.tsinghua.edu.cn/simple"

刷新环境变量

$ source .zshrc

更新

$ brew update
HOMEBREW_BREW_GIT_REMOTE set: using https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git as the Homebrew/brew Git remote.
Already up-to-date.

• 再安装 tesseract

通过 homebrew 来安装 tesseract 和 tesseract-lang，否则使用 chi_sim 语言包出现问题

$ brew install tesseract
$ brew install tesseract-lang

确认安装成功

$ tesseract -v    
tesseract 5.5.1
 leptonica-1.85.0
  libgif 5.2.2 : libjpeg 8d (libjpeg-turbo 3.0.4) : libpng 1.6.50 : libtiff 4.7.0 : zlib 1.3.1 : libwebp 1.6.0 : libopenjp2 2.5.3
 Found AVX2
 Found AVX
 Found FMA
 Found SSE4.1
 Found OpenMP 201511
 Found libarchive 3.8.1 zlib/1.3.1 liblzma/5.8.1 bz2lib/1.0.8 liblz4/1.10.0 libzstd/1.5.7 expat/expat_2.7.1 libb2/system

确认语言包是否安装

$ tesseract --list-langs
List of available languages in "/home/linuxbrew/.linuxbrew/share/tessdata/" (163):
afr
amh
ara
...
cat
ceb
ces
chi_sim
chi_sim_vert
chi_tra
chi_tra_vert
chr
cos
cym
dan
deu
div
dzo
ell
eng
enm
epo
...
uzb_cyrl
vie
yid
yor

从图像提取文本

$ tesseract input_image.png output_text -l chi_sim
input_image.png：需要处理的图像文件。
output_text：输出的文本文件（Tesseract 会自动创建该文件，文件名为 output_text.txt）
-l chi_sim：指定简体中文（chi_sim）。对于其他语言，可以使用相应的语言代码，如 eng（英语）或 fra（法语）

实测感觉效果一般

• 使用 pip 安装 tesseract

$ pip list | grep "tesseract"
pytesseract                    0.3.13

查看 tesseract 帮助

$ tesseract --help
Usage:
  tesseract --help | --help-extra | --version
  tesseract --list-langs
  tesseract imagename outputbase [options...] [configfile...]

OCR options:
  -l LANG[+LANG]        Specify language(s) used for OCR.
NOTE: These options must occur before any configfile.

Single options:
  --help                Show this help message.
  --help-extra          Show extra help for advanced users.
  --version             Show version information.
  --list-langs          List available languages for tesseract engine.

同时使用 chi_sim+eng 字库识别，输出的是.txt文件，识别效果看起来不错

$ tesseract 图片.jpg 结果 -l chi_sim+eng

参考文章

https://blog.51cto.com/u_16213437/12912862

https://blog.csdn.net/Oh_Python/article/details/128417350

https://www.52runoob.com/archives/4672

https://www.cnblogs.com/linuxAndMcu/p/19049953

https://zhuanlan.zhihu.com/p/110647131

https://www.cnblogs.com/cloud-2-jane/p/18850911