如何获取Tesseract OSD输出脚本列表以匹配lang参数？

获取OSD脚本输出列表的方法 #

• 查看源码定义：OSD返回的脚本类型对应Tesseract源码中的ScriptCodes枚举，在tesseract/src/ccstruct/publictypes.h文件里，所有OSD可识别的脚本标识（比如Han、Latin、Arabic等）都有明确列出。
• 实操收集结果：准备不同脚本的测试图片，执行OSD命令 tesseract 测试图路径 stdout --psm 0，收集每次返回的脚本结果，逐步积累出完整的输出列表。

Han脚本的映射处理 #

OSD返回的Han是中文脚本的统称，而Tesseract OCR要求传入具体的简体/繁体及排版方向参数（HanS、HanS_Vert、HanT、HanT_Vert），可以按以下方式处理：

• 先通过OSD识别文本的排版方向（横排/竖排），再补充简单的字符检测逻辑（比如统计简体特有高频字判断为简体，反之则为繁体），将Han映射到对应的合法lang参数。
• 如果不需要严格区分简繁体，直接把Han映射为chi_sim（对应HanS）或chi_tra（对应HanT）即可，这两个是Tesseract常用的中文语言包别名，与官方的HanS/HanT参数完全等效。

内容的提问来源于stack exchange，提问作者webb