使用Pytesseract分类图片时部分文件出现PermissionError求助

问题背景 #

在Windows 10系统使用Tesseract 5.3.3 + pytesseract进行图片分类时，部分图片触发PermissionError：删除临时文件时提示文件被其他进程占用，错误信息如下：

PermissionError: [WinError 32] The process cannot access the file because it is being used by another process: 'C:\\Users\\V34FD~1.MED\\AppData\\Local\\Temp\\tmpzg2vxncf.png'

已尝试提前删除临时文件夹，但问题未解决。

核心原因 #

1. pytesseract处理numpy格式图片时，会自动生成临时文件供Tesseract引擎读取，若Tesseract子进程未完全退出或文件句柄未及时释放，会导致后续删除操作失败。
2. Windows系统的文件锁机制较严格，进程未释放句柄时无法删除文件。

解决方案 #

1. 给临时文件删除操作添加重试逻辑 #

在删除临时文件的代码块中，增加重试机制，多次尝试删除，给系统足够时间释放文件句柄：

import time

# 替换原删除临时文件的代码
temp_image_path = "你的临时文件路径"
max_retries = 3
retry_delay = 0.5

for attempt in range(max_retries):
    try:
        if os.path.exists(temp_image_path):
            os.remove(temp_image_path)
        break
    except PermissionError:
        if attempt < max_retries - 1:
            time.sleep(retry_delay)
        else:
            print(f"Failed to delete {temp_image_path} after {max_retries} attempts")

2. 修改pytesseract调用方式，减少临时文件残留 #

当处理numpy数组格式的图片时，pytesseract会自动创建临时文件。可以尝试直接传入图片文件路径（如果原始图片未经过预处理），或者手动控制临时文件的生成与清理：

# 示例：直接传入图片路径而非numpy数组（适用于无需预处理的场景）
extracted_text = pytesseract.image_to_string(image_path)  # 替代传入img_org

如果必须使用预处理后的numpy数组，可以手动指定临时文件路径，并在处理后立即清理：

import tempfile

def classify_axial_img(classification_dict, includes_dict, platform, analysis_case,
                        plate_number, image_path,  manual_classification=None):
    try:
        img_org = cv2.imread(image_path)

        # 尝试原图片
        extracted_text = pytesseract.image_to_string(img_org)
        check = False
        for col in includes_dict.keys():
            if includes_dict[col]['keyword'] in extracted_text:
                classification_dict[platform][analysis_case][col][0].append(plate_number)
                classification_dict[platform][analysis_case][col][1].append(image_path)
                return classification_dict

        # 预处理尝试
        if not check:
            for preprocessing in preprocessings:
                preprocessed_img = apply_preprocessing(preprocessing, img_org)
                # 手动创建临时文件
                with tempfile.NamedTemporaryFile(suffix='.png', delete=False) as temp_file:
                    cv2.imwrite(temp_file.name, preprocessed_img)
                    temp_path = temp_file.name
                try:
                    extracted_text = pytesseract.image_to_string(temp_path)
                    for col in includes_dict.keys():
                        if includes_dict[col]['keyword'] in extracted_text:
                            classification_dict[platform][analysis_case][col][0].append(plate_number)
                            classification_dict[platform][analysis_case][col][1].append(image_path)
                            return classification_dict
                finally:
                    # 立即清理临时文件
                    max_retries = 3
                    retry_delay = 0.5
                    for attempt in range(max_retries):
                        try:
                            if os.path.exists(temp_path):
                                os.remove(temp_path)
                            break
                        except PermissionError:
                            if attempt < max_retries - 1:
                                time.sleep(retry_delay)
        return classification_dict
    except Exception as e:
        print(e)
        print('Could not classify image {}.'.format(image_path))
        return classification_dict

3. 确保Tesseract子进程完全退出 #

强制pytesseract使用同步方式执行，设置超时避免进程挂起，确保子进程结束后再继续后续操作：

# 指定Tesseract路径（根据实际安装路径调整）
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
# 设置超时时间，确保进程及时退出
extracted_text = pytesseract.image_to_string(img_org, timeout=10)

4. 排查第三方进程干扰 #

临时文件被占用也可能是杀毒软件、文件预览工具等后台进程导致的，可以临时关闭这类软件测试，或者将临时文件目录加入杀毒软件白名单。

内容的提问来源于stack exchange，提问作者user24023817