如何在Ubuntu 22.04的Jupyter-Lab中运行pytesseract库？

1. 先安装底层Tesseract OCR #

pytesseract是Tesseract OCR的Python封装库，Ubuntu环境下必须先安装底层的Tesseract引擎：

sudo apt update && sudo apt install tesseract-ocr

2. 获取Tesseract的准确路径 #

执行命令查找Tesseract的安装路径：

which tesseract

Ubuntu 22.04中默认路径为 /usr/bin/tesseract，以实际输出为准。

3. 正确设置pytesseract的路径变量 #

你之前尝试的tesseract_user_cmd和tesseract_user_terminal并非pytesseract的合法属性，正确的变量名仍是tesseract_cmd，和Windows环境一致。修改代码如下：

import pytesseract as pt
# 替换为which命令输出的实际路径
pt.tesseract_cmd = '/usr/bin/tesseract'

额外注意事项 #

• 若Jupyter-Lab运行在虚拟环境中，需确保虚拟环境内已安装pytesseract：pip install pytesseract
• 如需识别非英文文本，可安装对应语言包，例如中文简体包：sudo apt install tesseract-ocr-chi-sim

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