Windows環境安裝tesseract-ocr 4.00並配置環境變量

最近要作文字識別，不讓直接用別人的接口，因此只能嘗試去用開源的類庫。tesseract-ocr是惠普公司開源的一個文字識別項目，經過它能夠快速搭建圖文識別系統，幫助咱們開發出能識別圖片的ocr系統。由於Windows環境開發，我也就必須在windows環境安裝系統。

第一步：下載安裝包

根據https://github.com/tesseract-ocr/tesseract/wiki，我找到非官方的安裝包，好像我只看到64位的安裝包http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe，下載後直接安裝便可，可是要記得你的安裝目錄，咱們等會配置環境變量要用。

若是不是作英文的圖文識別，還須要下載其餘語言的識別包https://github.com/tesseract-ocr/tesseract/wiki/Data-Files。

簡體字識別包：https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi_sim.traineddata

繁體字識別包：https://github.com/tesseract-ocr/tessdata/raw/4.0/chi_tra.traineddata

 

第二步：安裝

直接執行下載好的tesseract-ocr-setup-4.00.00dev.exe，下一步、下一步安裝。

第三步：配置環境變量

注意：個人系統是win7，其餘系統應該差很少，跟配置java變量同樣

複製你的安裝地址，個人是安裝在C:\Program Files (x86)\Tesseract-OCR，界面以下：

複製安裝路徑「C:\Program Files (x86)\Tesseract-OCR」，進入「控制面板\系統和安全\系統」，點擊

「系統保護」

進入到如下界面：

點擊環境變量，進入配置如下界面：

把剛纔的安裝路徑「C:\Program Files (x86)\Tesseract-OCR」添加到紅線劃的PATH和Path，注意，添加時候開頭用「;」跟以前的變量隔開，結尾以「;」結尾。下面是個人配置信息樣本：

C:\Users\Administrator\AppData\Roaming\Composer\vendor\bin;C:\Users\Administrator\AppData\Roaming\npm;C:\Program Files (x86)\Tesseract-OCR;

配置好了點擊保存。

 

打開命令終端，輸入：tesseract -v，能夠看到版本信息

若是出現報錯，估計是環境變量沒配置好。

到這裏，咱們就算安裝完成了，可是，咱們的系統仍是沒法識別中文的，咱們要去下載簡體漢字、繁體漢字語言包（上文給了地址了），下載好以後放到安裝目錄的tessconfigs目錄下便可。

補充：由於沒有配置全局變量，沒法跨盤執行數據轉換，這裏咱們在環境變量那增長一個配置信息

系統變量—->新建：

增長一個TESSDATA_PREFIX變量名，變量值仍是個人安裝路徑C:\Program Files (x86)\Tesseract-OCR;

本人博客：Windows環境安裝tesseract-ocr 4.00並配置環境變量

http://www.wangtuizhijia.com/archives/272