Tesseract命令行可识别TIFF，.NET C#程序识别乱码如何解决？

核心问题排查与修改步骤 #

1. 修正tessdata路径引用错误 #

你的代码中计算了Assembly路径但未实际使用，而是用了相对路径./tessdata，这可能导致程序在不同运行目录下找不到训练数据，引发识别异常。替换路径初始化逻辑：

// 使用程序运行的根目录拼接tessdata路径，确保路径正确
var tessDataPath = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "tessdata");
using (var ocr = new TesseractEngine(tessDataPath, "eng", EngineMode.Default))

2. 避免Bitmap加载导致的图像失真 #

System.Drawing.Image.FromFile加载TIFF时可能自动转换图像格式（比如调整位深、压缩方式），丢失Tesseract需要的原始图像信息。改用Tesseract原生的Pix.LoadFromFile直接读取文件：

// 移除Bitmap加载代码，直接用Pix读取TIFF文件
using (var img = Pix.LoadFromFile(file))
{
    using (var page = ocr.Process(img))
    {
        ocrtext = page.GetText();
        result = ocrtext.TrimStart('\n');
        using (StreamWriter sw = new StreamWriter(outfileab + ".txt", false, Encoding.UTF8))
        {
            sw.Write("aa:" + result);
        }
    }
}

3. 明确StreamWriter的编码格式 #

默认StreamWriter使用无BOM的UTF-8编码，部分文本查看工具会识别为GBK等编码导致乱码，显式指定UTF-8编码（带BOM）：

using (StreamWriter sw = new StreamWriter(outfileab + ".txt", false, Encoding.UTF8))
{
    sw.Write("aa:" + result);
}

4. 匹配Tesseract原生库的平台位数 #

Tesseract的原生库分32位和64位，若项目平台目标不匹配会导致识别异常：

• 打开Visual Studio项目属性 → 生成选项卡
• 将“平台目标”设置为x64或x86，与你安装的Tesseract 5.4.0版本位数一致（命令行能运行的版本位数）
• 取消勾选“首选32位”选项

5. 验证字符白名单配置（可选） #

如果你的目标文本包含白名单外的字符，会被过滤导致输出异常，若不需要限制识别范围可注释该行：

// 若无需限制识别字符，注释此行
// ocr.SetVariable("tessedit_char_whitelist", "1234567890ABCDEFGHIJKLMNOPQRSTUVWXYZ");

内容的提问来源于stack exchange，提问作者Al G