python-tesseract OCR : get digits only

Question

我正在使用带有 python-tesseract 的 tesseract OCR。在 tesseract FAQ 中，关于数字，我们有:

Use

TessBaseAPI::SetVariable("tessedit_char_whitelist", "0123456789");

BEFORE calling an Init function or put this in a text file called tessdata/configs/digits:

tessedit_char_whitelist 0123456789

and then your command line becomes:

tesseract image.tif outputbase nobatch digits

Warning: Until the old and new config variables get merged, you must have the nobatch parameter too.

在 python-tesseract 中，存在 SetVariable 方法。我已经试过了，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)

有没有人已经让它工作了，或者我应该认为它是 python-tesseract 中的一个错误？

Answer 1

好的，开始工作了。根据这个(unofficial ?) documentation对于 tesseract-ocr，SetVariable() 必须在 Init() 之后调用，尽管官方 FAQ 中的说法恰恰相反。在 Init() 按预期工作后调用它。