针对TesseractCliOcrOptions的解决方案 #

直接通过extra_args属性添加Tesseract命令行参数：

from docling.ocr.tesseract_cli_ocr import TesseractCliOcrOptions

ocr_options = TesseractCliOcrOptions()
ocr_options.extra_args = ["--psm", "6"]
# 将该选项传入TesseractCliOcr实例使用

针对TesseractOcrOptions的解决方案 #

由于该类基于Tesseract Python API，可通过两种方式设置PSM：

1. 全局配置pytesseract

import pytesseract
# 直接指定PSM参数
pytesseract.pytesseract.tesseract_cmd = "tesseract"
custom_config = r"--psm 6"
# 若Docling的OCR处理器支持传递自定义配置，可在此传入

2. 扩展TesseractOcrOptions类

from docling.ocr.tesseract_ocr import TesseractOcrOptions

class CustomTesseractOcrOptions(TesseractOcrOptions):
    def __init__(self, psm=6, **kwargs):
        super().__init__(**kwargs)
        self._psm = psm

    def build_tesseract_config(self):
        config = super().build_tesseract_config()
        config.extend(["--psm", str(self._psm)])
        return config

# 使用自定义选项
ocr_options = CustomTesseractOcrOptions(psm=6)

验证方法 #

• 使用TesseractCliOcr时，开启日志可查看完整命令行，确认--psm 6是否存在
• API方式可打印生成的配置列表，检查参数是否已添加

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