CentOS 7下Tesseract检测到语言包却无法加载且旧下载链接404如何解决

问题根因 #

1. 你当前使用/blob/main/前缀链接下载的训练文件是GitHub的网页预览文件，并非tesseract可识别的二进制训练数据，文件体积远小于正常训练包，属于无效文件。
2. 旧链接返回404是因为tessdata官方仓库的默认分支已从master更名为main，对应raw路径前缀同步变更。

修复步骤 #

• 第一步：删除当前目录下的无效训练文件

cd /usr/local/share/tessdata
rm -f eng.traineddata spa.traineddata

• 第二步：下载正确的原始二进制训练包

wget https://github.com/tesseract-ocr/tessdata/raw/main/eng.traineddata
wget https://github.com/tesseract-ocr/tessdata/raw/main/spa.traineddata

下载完成后执行ls -lh确认文件大小，eng.traineddata正常体积约15MB，spa.traineddata约13MB，确认体积正常后再执行后续验证步骤。

• 第三步：验证功能是否恢复
  执行如下命令查看可用语言，无报错即为修复成功：

tesseract --list-langs

• 可选：如果仍提示找不到tessdata目录，配置对应环境变量
  临时生效验证：

export TESSDATA_PREFIX=/usr/local/share/tessdata
tesseract --list-langs

永久生效配置：

echo 'export TESSDATA_PREFIX=/usr/local/share/tessdata' >> /etc/profile
source /etc/profile

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