如何使用MacPorts安装tesseract来进行简单的OCR识别

希望文章能给到你启发和灵感～
如果觉得文章对你有帮助的话，点赞 + 关注+ 收藏 支持一下博主吧～

开篇说明

本篇只针对mac系统的小伙伴，具体问题是在我想在本地部署安装tesseract，如果我们想使用tesseract的OCR识别的话，我们不单单要在python中引入pytesseract等第三方库，还需要在本地环境中配置tesseract，并且如果你还需要下载你所要识别的语言包才能完成解析；于是第一个想到的就是使用homebrew 安装了；但是遇到下面的问题；

【问题一】：一开始我使用homebrew进行下载的，即：brew install tesseract，首先提示很多依赖无法下载的问题，首先定位的是系统版本的问题，可我并不太想升级系统；

【问题二】：除去升级不说，我第二想着那先把他对应的依赖包下载看看，结果也是安装不成功；或许就是系统版本和homebrew的各种问题吧；

于是最后使用Macports再试试水；

一、基础环境说明

考虑环境因素，大家适当的对比自己的软硬件环境情况分析～请仔细阅读硬件、软件环境

1.1 硬件环境

MacOS Monterey 版本 12.7.8 Apple M1

1.2 软件环境

编译环境：Java 1.8.0_171, homebrew 4.3.23-53-g29c22e0

二、下载MacPorts

MacPorts 是一个开源的软件包管理系统，专为 macOS 设计，用于简化软件的安装、管理和更新。它提供了一个命令行工具 port，用户可以通过这个工具轻松地安装、卸载和管理各种软件包，后面会专门出一个关于MacPorts的使用方式；

下载地址：https://www.macports.org/install.php

这里根据我们电脑的系统版本来选择安装对应的包即可；

注：在进行本地安装时，最后会长时间卡在等待执行脚本那里，继续等就好，这块我这里会比较慢，不确定是不是都这样，大概有个20分钟左右

三、如何使用macPorts安装Tesseract

提示：使用 macports 安装 Tesseract OCR：

sudo port install tesseract
// 然后验证是否安装成功
输入 tesseract --version

输出类似上图的结果，就代表成功了；

Tesseract 需要语言数据包才能识别特定语言的文本。你可以安装多个语言数据包。例如，安装英语和藏文的语言数据包：

sudo port install tesseract-lang

语言包安装完后，我们可以通过下面命令来检查是否生成语言包：

ls /opt/local/share/tessdata/

通常语言包的路径都是在/opt/local/share/tessdata下，以*.traineddata作为文件名；有看到我们刚刚下载的对应的文件就是成功的；或者你可以输入也能直接查看语言包当前有哪些：

tesseract --list-langs

语言包可以根据自己实际中应用需要去下载对应的即可；可以在github找到；

https://github.com/tesseract-ocr/tessdata_best/
我这里因为觉得每次都去下载很慢并且麻烦，就干脆一次性下载全部了；也就1.3多GB吧=-=；我们只需要将语言包都放在上文中说的/opt/local/share/tessdata目录下即可；

四、 配置并使用Tesseract

为了让系统能找到Tesseract库和语言包，我们还需要在环境变量中进行配置：

这里输入编辑环境变量：

vi ~/.zshrc
// 添加,这个路径通常是这个，如果你有另外指定，就按照自己的指定的来
export TESSDATA_PREFIX=/opt/local/share/tessdata
// 保存文件后，执行让环境生效
source ~/.zshrc

OK， 接着我们就能在我们python代码中简单的进行一些识别文字的操作了；例如这里我是用的bod.traineddata的语言包来识别图片中的藏文；

language = 'bod'  # 藏文# 进行 OCR 识别
text = pytesseract.image_to_string(image, lang=language)# 输出识别结果
print(text)

五、最后的最后

这里我并没有试过升级系统，不确定是否是因为系统版本的问题导致我的homebrew无法安装OCR库，至少我的homebrew已经是最新的版本了；也有可能是其他环境共同作用的原因，有试过用homebrew安装成功的可以交流一下；