Ubuntu下Python3.6安装tesserocr报错求助

你碰到的是tesseract v4.0.0-beta.1和pip默认安装的tesserocr版本不兼容导致的编译失败，核心原因是tesseract 4.x的API做了不少变更——比如TessPDFRenderer的构造函数参数、OCR引擎枚举值都有调整，但旧版tesserocr还在调用老API，自然会报错。

下面是分步解决方法：

方法一：安装适配tesseract 4.x的tesserocr指定版本 #

这是最快捷的修复方式，直接安装和你的tesseract版本匹配的tesserocr版本：

1. 先清理残留的失败安装包：

pip3 uninstall -y tesserocr

2. 安装适配的版本（2.5.2版本完美适配tesseract 4.x系列）：

pip3 install tesserocr==2.5.2

方法二：手动编译安装适配分支（如果方法一失败） #

如果上面的命令还是报错，就手动从源码安装兼容tesseract 4的分支：

1. 先安装必要的编译依赖：

sudo apt-get update && sudo apt-get install -y tesseract-ocr libtesseract-dev libleptonica-dev python3.6-dev gcc g++ git

2. 克隆tesserocr仓库并切换到兼容分支：

git clone https://github.com/sirfz/tesserocr.git
cd tesserocr
git checkout 2.5.2

3. 编译并安装：

python3 setup.py build_ext --inplace
pip3 install .

验证安装成功 #

安装完成后，你可以用下面的代码测试是否正常工作：

import tesserocr
from PIL import Image
# 替换成你的测试图片路径
print(tesserocr.image_to_text(Image.open('test_image.png')))

补充：错误原因拆解 #

简单解释下你日志里的关键错误：

• TessPDFRenderer构造函数：tesseract 4.x要求传入3个参数（输出路径、数据目录、是否仅文本），但旧版tesserocr只传了2个，导致参数不匹配。
• OEM_CUBE_ONLY枚举：tesseract 4.x里废弃了基于Cube的引擎，换成了LSTM引擎，所以这些旧枚举被移除，换成了OEM_LSTM_ONLY等新值。

内容的提问来源于stack exchange，提问作者Henry Xiao