node-tesseract-ocr报Cannot open input file: stdin错误及替代库咨询

环境与代码 #

Windows 11系统，使用Node.js v18.12.1、Tesseract v3.02，通过node-tesseract-ocr提取图片文字，执行代码如下：

const tesseract = require("node-tesseract-ocr");

const config = {
    lang: "eng",
    oem: 1,
    psm: 3,
};

tesseract
.recognize("https://tesseract.projectnaptha.com/img/eng_bw.png", config)
.then((text) => {
    console.log("Result:", text);
})
.catch((error) => {
    console.log(error.message);
});

报错信息 #

Command failed: tesseract stdin stdout -l eng --oem 1 --psm 3
read_params_file: Can't open 1
read_params_file: Can't open -psm
read_params_file: Can't open 3
Tesseract Open Source OCR Engine v3.02 with Leptonica
Cannot open input file: stdin

请问哪里操作有误？还有哪些可靠的图片文字提取库可以使用？

错误原因与解决方法 #

1. 参数版本不兼容 #

Tesseract v3.02不支持--oem参数（该参数是v4及以上版本引入的OCR引擎模式配置），同时v3仅支持短格式参数-psm，而node-tesseract-ocr默认按高版本Tesseract的长参数格式生成命令，导致v3把这些参数当成配置文件读取，出现read_params_file类错误。

2. 远程图片处理问题 #

node-tesseract-ocr处理远程URL时会通过stdin传递图片内容，但Tesseract v3.02对stdin输入的支持存在缺陷，引发Cannot open input file: stdin错误。

修复方案 #

• 推荐：升级Tesseract到v4+版本：v4及以上版本支持--oem、--psm长参数，且对stdin输入的处理更完善，升级后原代码可直接正常运行。
• 保留v3.02的适配方案：删除oem参数，改用v3支持的短参数格式，同时将远程图片下载到本地后再识别：

const tesseract = require("node-tesseract-ocr");
const fs = require("fs");
const https = require("https");

const config = {
    lang: "eng",
    args: ["-psm", "3"] // 用v3支持的短参数格式
};

// 下载远程图片到本地
const downloadImage = (url, dest) => {
    return new Promise((resolve, reject) => {
        const file = fs.createWriteStream(dest);
        https.get(url, (res) => {
            res.pipe(file);
            file.on("finish", () => file.close(resolve));
        }).on("error", (err) => {
            fs.unlink(dest, () => reject(err));
        });
    });
};

downloadImage("https://tesseract.projectnaptha.com/img/eng_bw.png", "temp_img.png")
.then(() => tesseract.recognize("temp_img.png", config))
.then((text) => {
    console.log("Result:", text);
    fs.unlinkSync("temp_img.png"); // 清理临时文件
})
.catch((err) => console.log(err.message));

可靠的图片文字提取替代库 #

• Tesseract.js：纯JS实现的Tesseract OCR，无需本地安装Tesseract引擎，支持Node.js和浏览器环境，多语言识别，API简洁友好，适合快速开发。
• easyocr：基于PyTorch的OCR库，识别精度和速度表现优异，支持数十种语言，可通过子进程在Node.js中调用，也提供云端API服务。
• ocrad.js：轻量级JS OCR库，体积小巧，适合印刷体文字的简单识别场景，性能稳定。
• Google Cloud Vision API：云端OCR服务，识别精度极高，支持手写体、文档结构化等高级功能，适合企业级应用，需付费使用。

内容的提问来源于stack exchange，提问作者M Maaz Azhar