Tesseract 是一個開源的 OCR 引擎，可以識別多種格式的圖像文件並將其轉換成文本，最初由 HP 公司開發，後來由 Google 維護。下載地址：https://digi.bib.uni-mannheim.de/tesseract/

其中文件名中帶有 dev 的為開發版本，不帶 dev 的為穩定版本。

安裝時可以添加支持的語言包，如下界面最後一個選項點開選擇，我們可以選擇簡體中文 Chiness(Simplified)。

安裝完成後還需要將安裝路徑添加至環境變量。

打開 cmd，輸入命令 tesseract -v，看到輸出版本信息即代表安裝成功。

識別命令：tesseract 圖片路徑 結果文件名 -l 語言

1、將 cmd 切換到圖片所在路徑，則可以只輸入圖片名，否則需要全路徑

2、結果文件名不可以加後綴，必定會自動加 .txt 後綴，如果結果文件名寫 a.txt，則最後輸出的文件名為 a.txt.txt。

3、-l 是英文字母L，不是數字1，language的意思。

4、語言英文為 eng，簡體中文為 chi_sim

截了個谷歌的圖片來測試

輸入命令：tesseract 1.png a -l eng，結果如下，識別正確

我們嘗試用簡體中文試試

識別就有誤了。

中文的識別可以另外截圖試試，只是正確率並不高。

我 tesseract 是安裝在 C 盤的，在 C 盤運行命令識別沒問題，但在 D 盤打開 cmd 運行命令就報錯了：

Error opening data file ….

Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your “tessdata” directory.

Failed loading language ‘eng’

Teseract couldn’t load any languages!

Counld not initialize tesseract

意思就是要將 tessdata 的父文件夾路徑設置為名為 TESSDATA_PREFIX 的環境變量值。設置完成之後需要重啟電腦，否則依然報錯。

Tesseract 在 windows 下的安裝及簡單應用