如何在Kaggle环境中升级Tesseract至5.3.1.20230401版本？

问题根源 #

你上传的是Windows版本的tesseract.exe，但Kaggle基于Linux环境，不兼容Windows可执行文件；同时/kaggle/input/目录为只读权限，无法修改文件执行权限，这才触发了权限错误。另外，/usr/bin/tesseract属于系统目录，普通用户无修改权限，不能直接替换该路径下的程序。

解决方案：编译安装Linux版Tesseract 5.3.1到可写目录 #

以下是具体操作步骤：

1. 安装编译依赖

!apt-get update && apt-get install -y libpng-dev libjpeg-dev libtiff-dev zlib1g-dev gcc g++ make

2. 下载并解压Tesseract 5.3.1源码

!wget https://github.com/tesseract-ocr/tesseract/archive/refs/tags/5.3.1.tar.gz
!tar -xzf 5.3.1.tar.gz
%cd tesseract-5.3.1

3. 编译并安装到/kaggle/working/可写目录

!./configure --prefix=/kaggle/working/tesseract-5.3.1-install
!make
!make install

4. 指定pytesseract调用路径

import pytesseract
pytesseract.pytesseract.tesseract_cmd = "/kaggle/working/tesseract-5.3.1-install/bin/tesseract"

5. 验证版本是否生效

!{pytesseract.pytesseract.tesseract_cmd} --version

替代方案：使用预编译包 #

若不想编译源码，可以获取Tesseract 5.3.1的Linux预编译二进制包，解压到/kaggle/working/目录后，添加执行权限：

!chmod +x /kaggle/working/tesseract-5.3.1/bin/tesseract

再按步骤4指定路径即可。

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