Tesseractを使って日本語OCRのメモ

####ダウンロード
https://github.com/UB-Mannheim/tesseract/wiki
　⇒tesseract-ocr-w64-setup-v5.0.0-alpha.20190708.exe

####インストール
Additional LanguageでJapanese関連をチェックし、次へ次へで完了

####環境変数の追加
PATHに以下を追加
C:\Program Files\Tesseract-OCR

####確認
tesseract -v

tesseract v5.0.0-alpha.20190708
leptonica-1.78.0
libgif 5.1.4 : libjpeg 8d (libjpeg-turbo 1.5.3) : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11 : libwebp 0.6.1 : libopenjp2 2.3.0
Found AVX2
Found AVX
Found SSE
Found libarchive 3.3.2 zlib/1.2.11 liblzma/5.2.3 bz2lib/1.0.6 liblz4/1.7.5

####対応言語の確認
tesseract --list-langs

List of available languages (7):
eng
jav
jpn
jpn_vert
osd
script/Japanese
script/Japanese_vert

####PyOcr
pip install pyocr

####実行してみる

from PIL import Image
import sys
import pyocr
import pyocr.builders

tools = pyocr.get_available_tools()
if len(tools) == 0:
    print("No OCR tool found")
    sys.exit(1)

tool = tools[0]

#言語、オプションの指定をする
txt = tool.image_to_string( 
    Image.open('test.jpg'),
    lang='jpn',
    builder=pyocr.builders.TextBuilder()
)
print(txt)