python-tesseract OCR：僅獲取數字

Question

我正在使用tesseract OCR with python-tesseract。 在tesseract FAQ中 ，關於數字，我們有：

使用

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

在調用Init函數之前或將其放在名為tessdata / configs / digits的文本文件中：

tessedit_char_whitelist 0123456789

然后你的命令行變成：

tesseract image.tif outputbase nobatch digits

警告：在舊的和新的配置變量合並之前，您還必須具有nobatch參數。

在python-tesseract中，存在SetVariable方法。 我試過這個，但是OCR的結果是一樣的：

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

有沒有人已經有這個工作，或者我應該認為它是python-tesseract中的一個錯誤？

Answer 1

好的，搞定了。 根據tesseract-ocr的這個（非官方？）文檔 ，必須在Init（）之后調用SetVariable（），即使官方常見問題解答中說的相反。 在Init（）之后調用它按預期工作。