Tesseract OCR 技能

通过命令行直接使用 Tesseract 引擎从图像中提取文本内容。

特性

• 使用原生 Tesseract 命令行工具从图像文件中提取文本。
• 支持多语言识别（中文、英文等）。
• 无需 Python 依赖。
• 简单快捷。

依赖项

安装 Tesseract OCR 系统包：

# Ubuntu/Debian:
sudo apt-get install tesseract-ocr tesseract-ocr-chi-sim

# macOS:
brew install tesseract tesseract-lang

使用方法

基本用法

# Use default language (English)
tesseract /path/to/image.png stdout

# Specify language (Chinese + English)
tesseract /path/to/image.png stdout -l chi_sim+eng

# Save to file
tesseract /path/to/image.png output.txt -l chi_sim+eng

# Multiple languages
tesseract /path/to/image.png stdout -l chi_sim+eng+jpn

常用语言代码

快速示例

# OCR with Chinese support
tesseract image.jpg stdout -l chi_sim

# OCR with mixed Chinese and English
tesseract image.png stdout -l chi_sim+eng

# Save to file instead of stdout
tesseract document.png result -l chi_sim+eng
# Creates result.txt

注意事项

1. OCR识别准确度取决于图像质量；使用清晰图像以获得最佳效果
2. 复杂版面（表格、多栏）可能需要进行后处理
3. 中文识别需要安装 tesseract-ocr-chi-sim 语言包
4. 语言包必须在您的系统中单独安装