安装与命令行识别
安装与命令行识别
# Debian/Ubuntu 示例：引擎 + 中文简体语言包
apt-get install -y tesseract-ocr tesseract-ocr-chi-sim
# PDF 先转图片（poppler-utils 提供 pdftoppm）
pdftoppm -r 300 -png input.pdf page
tesseract page-1.png stdout -l chi_sim+engPython 调用
Python 调用
from PIL import Image
import pytesseract
text = pytesseract.image_to_string(Image.open("scan.png"), lang="chi_sim+eng")
print(text[:200])识别质量与图像质量强相关：先做去噪、纠偏、二值化，再按 300dpi 以上转图，通常比直接识别低清截图效果好。