使用pytesseract提取文本遇多余空格，配置后触发文件未找到错误

先修正基础代码语法错误 #

你原代码里把lang和config参数传给了Image.open()，这是错误的——这两个参数属于pytesseract.image_to_string()方法，正确的基础代码应该是：

from PIL import Image
import pytesseract

text = pytesseract.image_to_string(Image.open(img), lang='deu', config='--psm 2')

语法错误可能会引发后续不可预期的文件操作问题。

解决多余空格问题 #

方案1：调整Tesseract通用配置参数 #

如果tosp_min_sane_kn_sp参数引发错误，大概率是你的Tesseract版本不支持该参数，或者参数名拼写有误。可以改用更通用的空格控制参数：

# 将图像视为单一均匀文本块，同时抑制多余空格
text = pytesseract.image_to_string(Image.open(img), lang='deu', config='--psm 6 -c preserve_interword_spaces=0')

--psm 6更适合提取连续单词类文本；preserve_interword_spaces=0会自动移除不必要的空格。

方案2：提取后手动清理空格 #

如果配置参数调整无效，直接对提取后的文本做字符串处理：

import re

text = pytesseract.image_to_string(Image.open(img), lang='deu', config='--psm 2')
# 移除所有空格（适合Aditya这类无空格的连续单词）
cleaned_text = ''.join(text.split())
# 或替换多个连续空格为单个空格（适合含正常空格的文本）
cleaned_text = re.sub(r'\s+', ' ', text).strip()

解决FileNotFoundError问题 #

这个错误通常由以下原因导致，对应解决方式：

• 检查Tesseract版本，确保使用的参数在当前版本中存在（可通过tesseract --version查看版本，对照官方文档确认参数兼容性）
• 确认Python进程有读写系统临时目录（C:\Users\adi\AppData\Local\Temp）的权限
• 放弃使用可能存在版本兼容问题的小众参数，改用上述通用方案

内容的提问来源于stack exchange，提问作者Aditya sharma