python - 在 pytesseract 中应用用户模式

Question

我正在使用 pytesseract 尝试检测图像中的某些字符串模式。据我了解，正确使用user patterns将有助于 pytesseract 更好地扫描特定模式的字符串。但是，我不知道如何让它发挥作用。这个问题有助于澄清要使用我必须使用config参数 (pytesseract.pytesseract.image_to_string(image, config=')，但我不知道如何将其应用于我的案例。

我试图找到这个正则表达式模式：\d{5}\.?\d{5} \.?\d{6} ?\d{5}\.?\d{6} ?\d ?\d{14}。我应该如何应用它user patterns来帮助 tesseract 进行更好的 OCR 扫描？

标签： pythontesseractpython-tesseract

Answer 1

有点难找。是的，user-patternintesseract在旧版本的tesseract.

请参阅github 上的此 Pull Request。

最后我找到了如何使用user-patternin的示例tesseract。在您的情况下，您可以尝试：

1. 首先，确保版本tesseract> = 4.0。（我建议你安装tesseract5.x，因为我在我的电脑上使用的是5.x）

2. 创建一个名为xxx.patterns.The 内容的文件（带有UNIX行结尾（换行符）和末尾的空行）：

\d{5}\.?\d{5} \.?\d{6} ?\d{5}\.?\d{6} ?\d ?\d{14}
 

3. 然后尝试使用：

pytesseract.image_to_string("test.png", config="--user-patterns yourpath/xxx.patterns")

---

最后，它对我有用（这是文档中的一个示例。）：

---

您也可以参考此文档。