使用Python multiprocessing结合pytesseract时触发TypeError错误求助

我来帮你分析一下这个问题，你遇到的TypeError: __init__() takes 1 positional argument but 2 were given错误本质是多进程间传递PIL Image对象时的pickle序列化/反序列化失败，再加上代码里有个小拼写错误，咱们一步步解决：

错误根源解析 #

这个错误出现在多进程池处理结果的阶段（日志里的_handle_results），因为你直接把pdf2image.convert_from_path返回的PIL Image对象传给了子进程。这类复杂对象在跨进程传递时，pickle（Python的序列化工具）无法正确完成反序列化，就会抛出这个看似奇怪的初始化参数错误。另外你的代码里还有个拼写错误：['orientaton']少了一个i，应该是['orientation']，这个也会导致后续提取方向信息失败。

修复步骤 #

1. 先修正拼写错误 #

把extract函数里的键名修正：

return pytesseract.image_to_osd(img, output_type=pytesseract.Output.DICT)['orientation']

2. 避免跨进程传递PIL Image对象 #

更可靠的做法是：利用你已经设置的output_folder保存图像文件，然后在子进程中通过文件路径加载图像，而不是直接传递Image对象。修改后的完整代码如下：

import pytesseract
import pdf2image
import multiprocessing
from PIL import Image
import os

def extract(img_path, page_num):
    print(page_num)
    # 子进程中独立加载图像
    img = Image.open(img_path)
    return pytesseract.image_to_osd(img, output_type=pytesseract.Output.DICT)['orientation']

if __name__ == "__main__":
    pdf_path = r"C:/Users/erik7/Documents/Late Scans for Testing/scans_template2.pdf"
    output_fmt = 'jpeg'
    img_dpi = 300
    pop_path = r"C:\Users\erik7\Downloads\poppler-0.90.1\bin"
    pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
    converted_path = r"C:\Users\erik7\Downloads\converted_images"
    
    # 将PDF转换为图像文件，自动保存到converted_path
    pdf2image.convert_from_path(
        pdf_path=pdf_path, 
        fmt=output_fmt, 
        dpi=img_dpi, 
        poppler_path=pop_path, 
        output_folder=converted_path, 
        grayscale=True, 
        thread_count=2
    )
    
    # 整理图像文件路径，按页码排序
    img_files = sorted(
        [os.path.join(converted_path, f) for f in os.listdir(converted_path) 
         if f.lower().endswith(output_fmt)]
    )
    # 生成迭代对象：(图像路径, 页码)
    iterable = [[img_path, page_num] for page_num, img_path in enumerate(img_files)]
    
    results = []
    # 使用with语句管理进程池，自动处理关闭/回收
    with multiprocessing.Pool() as p:
        r = p.starmap(extract, iterable)
        results.append(r)
    
    print("\n**PROCESS COMPLETED SUCCESSFULLY")
    print("页面方向检测结果:", results)

3. 额外优化建议 #

• 使用with multiprocessing.Pool()替代手动调用close()，这样进程池会自动在代码块结束后关闭并回收资源，更安全简洁
• 如果不需要保留转换后的临时图像，可以在处理完成后添加代码删除这些文件：

  for img_path in img_files:
      os.remove(img_path)
  

内容的提问来源于stack exchange，提问作者erik7970