安装之后,思源笔记能自动调用,ocr识别图片中的文字,可被搜索到。
思源笔记 > 使用指南 > 资源文件 中有一些说明。
windows msys2安装
:pacman -S ***tesseract***
, 包括:软件本体&语言支持包
pacman -S mingw-w64-ucrt-x86_64-tesseract-ocr\
mingw-w64-ucrt-x86_64-tesseract-data-chi_sim \
mingw-w64-ucrt-x86_64-tesseract-data-chi_sim_vert \
mingw-w64-ucrt-x86_64-tesseract-data-chi_tra \
mingw-w64-ucrt-x86_64-tesseract-data-chi_tra_vert \
mingw-w64-ucrt-x86_64-tesseract-data-eng
# 语言包还有:
# osd: Orientation and script detection
# equ: Math / equation detection
设置环境变量:
- PATH: tesseract.exe所在文件夹,比如
C:\softwares\msys2\msys64\ucrt64\bin
- TESSDATA_PREFIX:语言包所在文件夹,比如
C:\softwares\msys2\ucrt64\share\tessdata
不设置这个可能导致ocr乱码
存在的问题:
- 有时ocr不准
- 有时不对某些图片执行ocr
ubuntu (20.04)
添加源安装最新的(5.4.1, 24.9.18)
sudo add-apt-repository ppa:alex-p/tesseract-ocr5
apt show tesseract-ocr # 查看版本
sudo apt install tesseract-ocr
tesseract -v # 查看版本
下载语言包,https://tesseract-ocr.github.io/tessdoc/Data-Files.html
放到目标位置:/usr/share/tesseract-ocr/5/tessdata