python - 有没有办法从扫描的图像中检测多种语言？

Question

我正在尝试将扫描的图像从tesseract ocr转换为文本，它工作得很好，除了我的图像中有两种语言并且tesseract无法同时检测到这两种语言。我可以将所有图像转换为英语（将阿拉伯语显示为一些垃圾值而不是罗马阿拉伯语），反之亦然，如果我将其转换为阿拉伯语（即我得到所有阿拉伯语文本，英语文本为垃圾） .

我尝试使用 langDetect 检测导出的文本，但鉴于字符和 ASCII 是英文字母，我无法检测到它。

我在这里分享一个图像样本，如果有人能帮助我更好地解决这个问题，那就太好了。

标签： pythonocrtesseract

Answer 1

只需使用此更新您的代码

lang = 'eng+ara'

ara 代表ara.traineddata.

还有一件事：阿拉伯语训练的数据可能不在 tesseract 中，所以ara.traineddata从 git 下载并将其粘贴tessdata到 tesseract ocr 的文件夹中。

我也给你这个训练数据的链接：链接。