Как исправить ошибку при выполнении кода с Tesseract-OCR (не видит русский язык)?

Question

[Oboymochka]

понадобилось извлечь текст из изображений (на русском языке). Вроде бы сделала все верно, но возникает ошибка при запуске. Никак не могу понять что сделала не так:

код

import pytesseract
from PIL import Image
import os

# Укажите полный путь к Tesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# Установите TESSDATA_PREFIX
os.environ['TESSDATA_PREFIX'] = r'C:\Program Files\Tesseract-OCR'

# Укажите путь к папке с изображениями
image_folder = r"D:\Новая папка\PythonProject1\.venv\frames\input_video1"
output_file = r"D:\Новая папка\PythonProject1\output.txt"

# Открываем файл для записи
with open(output_file, 'w', encoding='utf-8') as f:
    for filename in os.listdir(image_folder):
        if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
            img_path = os.path.join(image_folder, filename)
            if not os.path.exists(img_path):
                print(f"Файл не найден: {img_path}")
                continue
            try:
                img = Image.open(img_path)
                text = pytesseract.image_to_string(img, lang='rus')
                if text.strip():  # Проверка, что текст не пустой
                    f.write(text + '\n')
                else:
                    print(f"Текст не извлечен из {filename}")
                print(f"Текст извлечен из {filename}")
            except pytesseract.pytesseract.TesseractError as e:
                print(f"Ошибка Tesseract при обработке {filename}: {e}")
            except Exception as e:
                print(f"Ошибка при обработке {filename}: {e}")

print("Текст успешно извлечен и сохранен в", output_file)

Текст ошибки:

Ошибка Tesseract при обработке output_0028.png: (1, 'Error opening data file C:\\Program Files\\Tesseract-OCR/rus.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'rus\' Tesseract couldn\'t load any languages! Could not initialize tesseract.')

И так с каждым файлом. TESSDATA_PREFIX в среде есть. Файл с языком есть (установила все языки). Не понимаю что не так, помогите,пожалуйста.(

Comments

[kisaa]

А попробуйте поменять значение:

os.environ['TESSDATA_PREFIX'] = r'C:\Program Files\Tesseract-OCR\tessdata'

[Oboymochka]

kisaa, всё было так просто, что даже стыдно. Сразу всё заработало. Спасибо большое!

[dim5x]

kisaa, может быть, вам оформить комментарий как ответ, а Oboymochka отметит потом его как решение, чтобы вопрос не висел не отвеченным?

Answer 1

[glu-dimaz]

C:\\Program Files\\Tesseract-OCR/rus.traineddata
Указано в ошибке, а у вас в проводнике:
C:\\Program Files\\Tesseract-OCR/tessdata/rus.traineddata

Лучше ипользовать EasyOCR, куда более эффективен при машинном зрении, но требует значительной обработки изображения перед чтением и не любит шумы. Писал ПО для чтения вин-номеров авто с японских сертификатов на экспорт. Сначала пользовался Tesseract, потом перешел на EasyOCR:
Вот последние результаты чтения:

[03.02.2025 / 16:31:55] Task " is completed. Result: 31/35. User is: 1369
[03.02.2025 / 14:14:47] Task " is completed. Result: 14/17. User is: 1322
[31.01.2025 / 16:27:18] Task " is completed. Result: 22/25. User is: 1322
[31.01.2025 / 16:01:32] Task " is completed. Result: 9/9. User is: 1369
[30.01.2025 / 15:52:53] Task " is completed. Result: 45/58. User is: 1369
[29.01.2025 / 15:12:49] Task " is completed. Result: 40/44. User is: 1369

70%+ точного определения текста с изображений