python-tesseract OCR:只获取数字

Question

我正在使用tesseract OCRwith。在tesseract常见问题中，关于数字，我们有：

使用 TessBaseAPI::SetVariable("tessedit_char_whitelist", "0123456789"); 在调用Init函数或将其放入名为tessdata/ this /位的文本文件之前： tessedit_char_whitelist 0123456789 然后命令行变成： tesseract image.tif outputbase nobatch digits 警告:在旧的配置变量和新的配置变量合并之前，您也必须具有no批处理参数。

在python中，存在SetVariable方法。我试过了，但是OCR的结果是一样的：

api = tesseract.TessBaseAPI()
api.SetVariable("tessedit_char_whitelist", "0123456789")
api.Init('.','eng',tesseract.OEM_DEFAULT)
api.SetPageSegMode(tesseract.PSM_AUTO)

是否有人已经做到了这一点，或者我是否应该认为它是中的一个bug？

Answer 1

好的，开始工作了。根据这个(非官方?)文档 of tesseract-ocr，SetVariable()必须在Init()之后调用，尽管官方的FAQ中有相反的说法。在Init()之后调用它就像预期的那样工作。