概要

tesseractで文字認識するpythonプログラムを１つのexeファイル化する際につまづいたので、
その解決方法について紹介します。

先に結論！

pyinstaller実行後に作成されるspecファイルに、下記記述を追加します。
specファイルで再度pyinstaller実行すれば、Tesseractを含んだexeファイルが作成できます。

main.spec

binaries=[(r'C:\Program Files\Tesseract-OCR', r'tesseract')],
datas=[(r'C:\Program Files\Tesseract-OCR\tessdata', r'data/tessdata')],

C:\Program Files\Tesseract-OCRはtesseract.exeが格納されているフォルダのパスです。
ご自身の環境に合わせて、パスを変更してください。

作ろうとしていたもの

数字の書かれた画像ファイルから、数字と座標を認識するプログラムを作成。

実行環境

OS：Windows 11 Home
VScodeバージョン： 1.82.2
pythonバージョン：3.10
pyinstallerバージョン：5.13.2
pyocrバージョン：0.8.3
tesseract-ocrバージョン：5.3.1

トラブル発生時の状況

試しにテスト用のプログラムを作成し、
pyinstallerでexeファイルを作成しました。
プログラムの内容は画像から文字を認識し、文字と座標を出力するものです。
プログラムのファイル名はmain.pyです。

main.py

#ライブラリのインポート
#システムの利用を宣言する
import os
import sys

#PyOCRを読み込む
from PIL import Image
import pyocr
import pyocr.builders

#　メインプログラム関数
def main():
    #画像の読み込み
    file_path = "image.jpg"
    img = Image.open(file_path)

    #builderオプションの設定
    box_builder = pyocr.builders.WordBoxBuilder(tesseract_layout=6)

    #文字と座標を読み取る
    text_position = tool.image_to_string(img,lang="jpn",builder=box_builder)

    #取得した座標と文字を出力する
    for res in text_position:
        print(res.content)
        print(res.position)

if __name__ == "__main__":
    
    # Tesseractのインストール場所をOSに教える
    tesseract_path = "C:\Program Files\Tesseract-OCR"
    if tesseract_path not in os.environ["PATH"].split(os.pathsep):
        os.environ["PATH"] += os.pathsep + tesseract_path

    #OCRエンジンを取得する
    tools = pyocr.get_available_tools() 
    if len(tools) == 0:
        print("OCRエンジンが指定されていません")
        sys.exit(1)
    else:
        tool = tools[0]
    
    #　メインプログラム実行
    main()

１つのexeファイルにまとめるため、--onefileを使用します。

pyinstaller main.py --onefile --clean

pyinstallerを実行した結果、exeファイルは作成できたのですが。実行すると下記内容が出力さました。

Running from container, but no tessdata found !

tesseractが同封されていないため、出ているメッセージのようです。

調査

Running from container, but no tessdata foundでgoogle検索。

@bass_clef_さんの記事を発見しました。

記事を参考に下記のようにspecファイルを変更したのですが、うまくいきませんでした。

main.spec

binaries=[(r'C:\Program Files\Tesseract-OCR\tesseract.exe', 'tesseract')],
datas=[(r'C:\Program Files\Tesseract-OCR\tessdata\jpn.traineddata', 'data/tessdata'), (r'C:\Program Files\Tesseract-OCR\tessdata\jpn_vert.traineddata', 'data/tessdata')],

解決策

参考記事の記述

binaries=[('{tesseract.exe のパス}', 'tesseract')],
datas=[('{*.traineddata のパス}', 'data/tessdata')],

{tesseract.exe のパス}にexeファイル自体のパス（C:\Program Files\Tesseract-OCR\tesseract.exe）を入れるものだと勘違いしていました。

下記のように、tesseract.exeが格納されているフォルダのパスを記入するのが正解でした。

main.spec

binaries=[(r'C:\Program Files\Tesseract-OCR', r'tesseract')],
datas=[(r'C:\Program Files\Tesseract-OCR\tessdata', r'data/tessdata')],

まとめ

pyinstallerでtesseractを同封するときは、
specファイルにtesseract.exeが格納されているフォルダのパスを記入することが重要！

最後まで読んでいただき、ありがとうございました。
コメントいただけるとうれしいです。

ブログ：https://pythonsoba.tech/
Qiita：https://qiita.com/yk5322
Zen：https://zenn.dev/yk5322