使用OcrMyPdf转换扫描PDF为可编辑PDF：tesseract与configparser问题

问题根源 #

你装错了tesseract包！当前安装的tesseract 0.1.3是一个用于天体物理N体模拟的Python库，和OcrMyPdf需要的OCR引擎完全无关。这个包基于Python2开发，所以才会出现print缺括号、找不到ConfigParser（Python3中已改名为configparser）这类版本兼容错误。

正确修复步骤 #

1. 卸载错误的tesseract包
   打开命令提示符执行：

   pip uninstall tesseract
   

   彻底移除这个不相关的库。

2. 安装官方Tesseract OCR引擎
   OcrMyPdf依赖的是独立的Tesseract OCR引擎（不是Python包）：

   • 下载适配Windows的Tesseract安装程序，安装时务必勾选“添加到系统PATH”选项；
   • 安装完成后，在命令提示符输入tesseract --version，能正常输出版本信息就说明引擎安装成功。

3. 修改Python代码
   OcrMyPdf不需要导入tesseract Python包，直接删掉这行导入即可，修改后的代码：

   import ocrmypdf
   
   if __name__ == '__main__':
       file_path = r'C:\Users\...\Desktop\Test.pdf'
       save_path = r'C:\Users\...\Desktop\Test_ocr.pdf'
   
       ocrmypdf.ocr(file_path, save_path, deskew=True)
   

4. 处理PATH未配置的情况
   如果运行代码时仍提示找不到Tesseract，可以手动指定引擎路径：

   import ocrmypdf
   
   if __name__ == '__main__':
       file_path = r'C:\Users\...\Desktop\Test.pdf'
       save_path = r'C:\Users\...\Desktop\Test_ocr.pdf'
   
       ocrmypdf.ocr(
           file_path, 
           save_path, 
           deskew=True,
           tesseract_cmd=r'C:\Program Files\Tesseract-OCR\tesseract.exe'  # 替换为你的实际安装路径
       )
   

补充说明 #

• OcrMyPdf会自动调用系统中的Tesseract引擎，不需要安装同名Python包，这是新手最容易踩的坑；
• 你的OcrMyPdf 16.4.1版本和Python3.11.5是兼容的，无需调整版本。

内容的提问来源于stack exchange，提问作者eljamba