python-tesseract OCR：仅获取数字

Question

我正在使用tesseract OCR with python-tesseract。 在tesseract FAQ中 ，关于数字，我们有：

使用

TessBaseAPI::SetVariable("tessedit_char_whitelist", "0123456789");

在调用Init函数之前或将其放在名为tessdata / configs / digits的文本文件中：

tessedit_char_whitelist 0123456789

然后你的命令行变成：

tesseract image.tif outputbase nobatch digits

警告：在旧的和新的配置变量合并之前，您还必须具有nobatch参数。

在python-tesseract中，存在SetVariable方法。 我试过这个，但是OCR的结果是一样的：

api = tesseract.TessBaseAPI()
api.SetVariable("tessedit_char_whitelist", "0123456789")
api.Init('.','eng',tesseract.OEM_DEFAULT)
api.SetPageSegMode(tesseract.PSM_AUTO)

有没有人已经有这个工作，或者我应该认为它是python-tesseract中的一个错误？

Answer 1

好的，搞定了。 根据tesseract-ocr的这个（非官方？）文档 ，必须在Init（）之后调用SetVariable（），即使官方常见问题解答中说的相反。 在Init（）之后调用它按预期工作。