Tesseract OCR返回conf值转int触发ValueError报错如何解决

• Tesseract 4.x及以上版本的置信度计算逻辑升级，conf字段返回值为带小数的浮点型结果，pytesseract解析原始输出时会统一以字符串格式返回所有字段，因此你拿到的conf列表元素都是字符串类型，部分包含小数点，直接用int()转换会触发格式错误。
• 列表中值为'-1'的条目对应层级型非识别结果（比如页、段落、行的占位条目），本身没有识别置信度，固定返回-1标识。

只需将原有int转换逻辑替换为float转换即可，float兼容带小数点的字符串转换，且值为'-1'的条目转换后为-1，天然不满足置信度大于60的过滤条件，无需额外处理：

import pytesseract
import cv2
from pytesseract import Output

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
img = cv2.imread(r"C:\Users\Documents\Python\OCR\Programa\teste_manuscrito_01.jpg")
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

resultado = pytesseract.image_to_data(rgb, lang='por', output_type=Output.DICT)

n_boxes = len(resultado['text'])
for i in range(n_boxes):
    # 仅修改这一行，将int改为float即可
    if float(resultado['conf'][i]) > 60:
        (x, y, w, h) = (resultado['left'][i], resultado['top'][i], resultado['width'][i], resultado['height'][i])
        img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

如果你需要整数类型的置信度，可以先转float再转int，写法为int(float(resultado['conf'][i]))。

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