tesserocrを使ってみる

はじめに

tesserocr を利用してみた際の設定から実行についてのメモです。
tesserocr は、python用のtesseract-ocr APIのラッパーライブラリです。
https://github.com/sirfz/tesserocr

ハマったポイントも記載しました。

インストール

上記サイトを参考にインストールします。

• 前提条件としては、tesseract 4系 がインストール済みであることです。
  参考: tesseractを使ってみよう②（初心者編）

$ tesseract -v
tesseract 4.0.0-rc4

• tesserocrのインストール

$ CPPFLAGS=-I/usr/local/include pip install tesserocr

• 依存ライブラリのPillowのインストール

$ pip install pillow

使ってみる

• 上記サイトにあるソースをほぼコピーして試してみて、エラーがでなければインストール成功です。

import locale
locale.setlocale(locale.LC_ALL, 'C')
import tesserocr
from PIL import Image

print(tesserocr.tesseract_version())  # print tesseract-ocr version
print(tesserocr.get_languages())  # prints tessdata path and list of available languages

image = Image.open('test.png')
print(tesserocr.image_to_text(image, lang=('jpn')))  # print ocr text from image

エラー対処

いくつかエラーが出てハマったので下記に記載します。

エラー①

• 普通にpipでインストールした後に、スクリプトを実行したら下記のエラーが出たので、一旦tesserocrをアンインストール

    import tesserocr
ImportError: libtesseract.so.3: cannot open shared object file: No such file or directory

• 再インストール時は下記コマンドを実行

$ CPPFLAGS=-I/usr/local/include pip install tesserocr
Collecting tesserocr
  Using cached https://files.pythonhosted.org/packages/f8/6d/4e81e041f33a4419e59edcb1dbdf3c56e9393f60f5ef531381bd67a1339b/tesserocr-2.3.1.tar.gz
Installing collected packages: tesserocr
  Running setup.py install for tesserocr ... done
Successfully installed tesserocr-2.3.1

エラー②

• ロケールを設定しないと下記のエラーが発生
  詳細はこちら： https://github.com/sirfz/tesserocr/issues/137

!strcmp(locale, "C"):Error:Assert failed:in file baseapi.cpp, line 209
Segmentation fault (core dumped)