Windows10下调用Unstructured的partition_pdf时无法找到Tesseract的求助

方法1：通过环境变量指定路径 #

Unstructured依赖的unstructured_pytesseract会读取TESSERACT_CMD环境变量来定位可执行文件，在代码开头添加路径配置：

import os
# 替换成你的Tesseract实际安装路径
os.environ["TESSERACT_CMD"] = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

from unstructured.partition.pdf import partition_pdf
fname = "test_file.pdf"
elements = partition_pdf(filename=fname, strategy="hi_res")

方法2：直接修改unstructured_pytesseract的配置 #

手动指定tesseract_cmd参数，覆盖默认路径检测逻辑：

from unstructured_pytesseract import pytesseract
# 替换成你的Tesseract实际安装路径
pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

from unstructured.partition.pdf import partition_pdf
fname = "test_file.pdf"
elements = partition_pdf(filename=fname, strategy="hi_res")

方法3：将Tesseract加入系统PATH（永久生效） #

1. 找到Tesseract的安装目录（默认一般是C:\Program Files\Tesseract-OCR）
2. 右键「此电脑」→「属性」→「高级系统设置」→「环境变量」
3. 在系统变量的Path列表中添加上述目录
4. 重启Python编辑器或终端后再运行代码

注意：所有方法中的路径需替换为你实际安装Tesseract的目录，确保tesseract.exe存在于该路径下。

内容的提问来源于stack exchange，提问作者PF2024