理解Pytesseract与Tesseract OCR
pytesseract是python的一个包装器，用于调用google的tesseract ocr引擎。tesseract本身是一个独立的命令行工具，负责执行光学字符识别（ocr）任务。pytesseract通过执行tesseract命令行指令来完成其功能。因此，pytesseract的正常运行依赖于系统能够找到tesseract的可执行文件。通常情况下，pytesseract会尝试在系统的path环境变量中查找tesseract。
问题现象：TesseractNotFoundError的困扰
用户可能会遇到这样的情况：Tesseract OCR引擎已在操作系统（例如Ubuntu 22.04）上成功安装，并且通过命令行工具（如tesseract --version）可以验证其版本和功能。在某些Python开发环境（如Anaconda环境下的VS Code）中，Pytesseract可以正常导入并执行pytesseract.get_languages()等操作。然而，在同一Python环境、同一操作系统下，于另一个IDE（如PyCharm）中运行相同的代码时，却会抛出TesseractNotFoundError异常，错误信息通常为“tesseract is not installed or it's not in your PATH.”。
import pytesseract pytesseract.get_languages()
此问题的根本原因通常在于不同IDE或其启动方式对环境变量（特别是PATH）的继承或配置方式存在差异。即使系统全局或用户级别的PATH已包含Tesseract的安装路径，某些IDE在启动其内部终端或运行脚本时，可能未能正确加载或识别这些路径，导致Pytesseract无法通过默认机制找到Tesseract可执行文件。
解决方案：显式指定Tesseract可执行文件路径
解决此问题的最直接和可靠方法是，在Python代码中显式地告诉Pytesseract Tesseract可执行文件的具体位置。Pytesseract库提供了一个名为tesseract_cmd的变量，允许用户设置Tesseract的完整路径。
1. 查找Tesseract可执行文件路径
在设置tesseract_cmd之前，首先需要确定Tesseract可执行文件的准确路径。
-
Linux/macOS 用户： 打开终端并运行以下命令：
which tesseract
这将输出Tesseract可执行文件的完整路径，例如/usr/bin/tesseract或/usr/local/bin/tesseract。
Windows 用户： Tesseract通常安装在C:\Program Files\Tesseract-OCR\目录下。可执行文件通常是tesseract.exe。因此，完整路径可能是C:\Program Files\Tesseract-OCR\tesseract.exe。如果安装在其他位置，请导航到Tesseract的安装目录以查找tesseract.exe。
2. 在代码中设置tesseract_cmd
获取路径后，将其赋值给pytesseract.pytesseract.tesseract_cmd变量。
示例代码（Linux/macOS）：
假设which tesseract输出/usr/bin/tesseract。
import pytesseract # 根据实际安装路径修改此行 pytesseract.pytesseract.tesseract_cmd = r'/usr/bin/tesseract' # 现在可以正常使用Pytesseract的功能了 print(pytesseract.get_languages())
示例代码（Windows）：
假设Tesseract安装在C:\Program Files\Tesseract-OCR\。
import pytesseract # 根据实际安装路径修改此行 # 注意：在Windows路径中，建议使用原始字符串（r'...'）以避免反斜杠的转义问题 pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # 现在可以正常使用Pytesseract的功能了 print(pytesseract.get_languages())
通过这种方式，Pytesseract将不再依赖于系统的PATH环境变量来查找Tesseract，而是直接使用您提供的路径来调用Tesseract可执行文件。这解决了因IDE环境差异导致的问题。
注意事项与最佳实践
路径准确性： 务必确保tesseract_cmd指向的是Tesseract可执行文件的完整且正确的路径。错误的路径将导致新的FileNotFoundError。
-
跨平台部署： 如果您的代码需要在不同操作系统上运行，您可能需要根据操作系统类型动态设置tesseract_cmd。例如：
import platform import pytesseract if platform.system() == "Windows": pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' elif platform.system() == "Linux" or platform.system() == "Darwin": # Darwin for macOS pytesseract.pytesseract.tesseract_cmd = r'/usr/bin/tesseract' # 或其他实际路径 else: raise RuntimeError("Unsupported operating system for Tesseract path configuration.") print(pytesseract.get_languages()) -
环境变量配置（可选）： 另一种方法是将Tesseract的路径配置为系统或用户级别的环境变量（例如TESSERACT_PATH），然后在Python代码中读取这个环境变量。虽然这比硬编码路径更灵活，但在IDE环境中仍可能遇到环境变量加载问题。
import os import pytesseract tesseract_path = os.environ.get('TESSERACT_PATH', '/usr/bin/tesseract') # 默认值，如果环境变量未设置 pytesseract.pytesseract.tesseract_cmd = tesseract_path print(pytesseract.get_languages())要使此方法生效，您需要在操作系统中设置TESSERACT_PATH环境变量，并且确保PyCharm等IDE能够正确加载该环境变量。
总结
当Pytesseract在某些IDE中抛出TesseractNotFoundError，而在其他环境中正常工作时，最有效且直接的解决方案是显式设置pytesseract.pytesseract.tesseract_cmd变量，将其指向Tesseract OCR引擎可执行文件的完整路径。这绕过了PATH环境变量可能存在的IDE环境加载问题，确保Pytesseract能够可靠地找到并调用Tesseract。在实施时，请务必根据您的操作系统和Tesseract安装位置调整路径，并考虑跨平台兼容性的需求。
