說明 Tesseract OCR 的安裝與使用方法

 詳細說明 Tesseract OCR 的安裝與使用方法。

整個過程主要分為兩大部分：

  1>>安裝 Tesseract 主程式 

 2>>學習如何透過命令列或程式碼使用它。

未指定作業系統將提供在 Windows、macOS 和 Linux (Ubuntu/Debian)

 這三個主流平台上的安裝方式。

#第一部分：安裝 Tesseract OCR

請根據您的作業系統選擇對應的安裝指南。

---

在 Windows 上安裝

對於 Windows 使用者，最推薦的方式是下載由 Tesseract at UB Mannheim 維護的官方安裝檔，因為它包含了安裝程式且易於管理。

1. 下載安裝程式：

   • 前往 Tesseract at UB Mannheim 的 Wiki 頁面。

   • 找到「Installation」區塊，您會看到 tesseract-ocr-w64-setup-v5.x.x...exe (64位元) 或 tesseract-ocr-w32-setup-v5.x.x...exe (32位元) 的下載連結。請根據您的系統下載最新版本的安裝檔。

2. 執行安裝程式：

   • 打開下載的 .exe 檔。

   • 在「Select Components」這一步，請務必勾選「Additional language data」。

   • 展開語言列表，找到並勾選 Chinese, Traditional (繁體中文) 和 Chinese, Simplified (簡體中文，建議一併安裝以應對不同文件)。您也可以根據需要勾選其他語言，如 English。

3. 設定環境變數 (非常重要)：

   • 安裝程式通常會詢問是否要將 Tesseract 加入系統的 PATH 環境變數，請務必同意。

   • 如果安裝後在命令列中輸入 tesseract 顯示「不是內部或外部命令」，那表示環境變數沒有設定成功。您需要手動添加：

     • 找到 Tesseract 的安裝路徑 (預設為 C:\Program Files\Tesseract-OCR)。

     • 在 Windows 搜尋「編輯系統環境變數」，打開它。

     • 點擊「環境變數...」，在「系統變數」中找到 Path，點擊「編輯」。

     • 點擊「新增」，並將您的 Tesseract 安裝路徑 (例如 C:\Program Files\Tesseract-OCR) 貼上，然後一路確定保存。

4. 驗證安裝：

   • 重新開啟一個新的「命令提示字元 (CMD)」或「PowerShell」。

   • 輸入以下指令：

     Bash

     tesseract --version
     

   • 如果成功顯示版本資訊，代表安裝完成。

---

在 macOS 上安裝

在 macOS 上，最方便的方式是使用 Homebrew 套件管理器。

1. 安裝 Homebrew (如果您尚未安裝)：

   • 打開「終端機 (Terminal)」應用程式，貼上並執行以下指令：

     Bash

     /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
     

2. 安裝 Tesseract：

   • 在終端機中，執行以下指令來安裝 Tesseract：

     Bash

     brew install tesseract
     

   • 這會自動安裝 Tesseract 及其所需的依賴套件。

3. 安裝語言資料：

   • Homebrew 會順便安裝英文語系。若要安裝繁體中文和其他語言，請安裝 tesseract-lang：

     Bash

     brew install tesseract-lang
     

     此指令會安裝所有 Tesseract 支援的語言資料。

4. 驗證安裝：

   • 在終端機輸入：

     Bash

     tesseract --version
     

   • 成功顯示版本資訊即代表安裝完成。

---

在 Linux (Ubuntu / Debian) 上安裝

在基於 Debian 或 Ubuntu 的 Linux 發行版上，可以使用 apt 套件管理器。

1. 更新套件列表：

   • 打開終端機，執行：

     Bash

     sudo apt update
     

2. 安裝 Tesseract 主程式：

   Bash

   sudo apt install tesseract-ocr
   

3. 安裝語言資料：

   • apt 將語言包分開管理。要安裝繁體中文，請執行：

     Bash

     sudo apt install tesseract-ocr-chi-tra
     

   • 英文是 tesseract-ocr-eng，簡體中文是 tesseract-ocr-chi-sim。您可以根據 tesseract-ocr-[語言代碼] 的格式安裝所需語言。

4. 驗證安裝：

   • 在終端機輸入：

     Bash

     tesseract --version
     

#第二部分：使用 Tesseract OCR

安裝完成後，就可以開始使用了。主要有兩種使用方式：命令列介面 (CLI) 和 程式語言整合 (以 Python 為例)。

---

1. 使用命令列 (CLI)

這是最直接的使用方式。您需要準備一張含有文字的圖片 (例如 image.png)。

基本語法：

Bash

tesseract [圖片路徑] [輸出檔名(不含副檔名)] -l [語言代碼] [其他選項]

• [圖片路徑]: 你的圖片檔案，如 my_invoice.jpg。

• [輸出檔名]: 辨識後的文字要存檔的名稱，Tesseract 會自動加上 .txt 副檔名。如果設為 stdout，則會直接在螢幕上輸出結果。

• -l [語言代碼]: 指定要使用的語言。

  • 繁體中文: chi_tra

  • 簡體中文: chi_sim

  • 英文: eng

  • 若要同時辨識多種語言 (例如中英混合)，可以用 + 連接：-l chi_tra+eng

範例：

假設我有一張名為 test_image_chi.png 的圖片，內容是繁體中文。

1. 開啟終端機或 CMD，並 cd 到圖片所在的資料夾。

2. 執行以下指令：

   Bash

   # 辨識繁體中文，並將結果儲存到 output.txt
   tesseract test_image_chi.png output -l chi_tra
   
   # 辨識繁體中文和英文的混合內容，並直接在螢幕上顯示結果
   tesseract test_image_chi.png stdout -l chi_tra+eng
   

3. 執行完畢後，資料夾內會多一個 output.txt 檔案，裡面就是辨識出來的文字。

常用選項：

• --psm <數字>: 設定頁面分割模式 (Page Segmentation Mode)，告訴 Tesseract 如何分析頁面。

  • --psm 3: 全自動頁面分割 (預設)。

  • --psm 6: 假設為單一文字區塊。

  • --psm 7: 將圖片視為單行文字。

  • 輸入 tesseract --help-psm 可以看到所有模式的說明。

• --oem <數字>: 設定 OCR 引擎模式 (OCR Engine Mode)。

  • --oem 3: 預設模式，使用基於 LSTM 的引擎。在 v5 中這是唯一選項。

---

2. 在 Python 中使用 (推薦)

對於開發者來說，最常見的是在程式中呼叫 Tesseract。Python 的 pytesseract 套件是對 Tesseract 命令列工具的封裝，非常好用。

安裝步驟：

1. 請務必先完成第一部分的 Tesseract 主程式安裝！ pytesseract 只是個介面，不是 OCR 引擎本身。

2. 安裝 pytesseract 和 Pillow (用於圖片處理) 套件：

   Bash

   pip install pytesseract Pillow
   

Python 程式碼範例：

Python

import pytesseract
from PIL import Image

# 如果 Tesseract 沒有安裝在系統預設路徑，需要手動指定路徑
# 在 Windows 上，路徑通常是 'C:\Program Files\Tesseract-OCR\tesseract.exe'
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 定義圖片路徑
image_path = 'test_image_chi.png'

try:
    # 打開圖片
    img = Image.open(image_path)

    # 設定辨識語言 (繁體中文 + 英文)
    lang = 'chi_tra+eng'
    
    # 呼叫 pytesseract 進行辨識
    text = pytesseract.image_to_string(img, lang=lang)

    # 印出辨識結果
    print("--- 辨識結果 ---")
    print(text)

except FileNotFoundError:
    print(f"錯誤：找不到圖片檔案於 '{image_path}'")
except pytesseract.TesseractNotFoundError:
    print("錯誤：Tesseract 未安裝或未被加入到系統 PATH。")
    print("請確保 Tesseract OCR 已正確安裝，並可從命令列執行。")

總結：

1. 安裝主程式：根據你的作業系統，透過安裝檔 (Windows) 或套件管理器 (macOS/Linux) 安裝 Tesseract。

2. 安裝語言包：確保需要的語言 (如 chi_tra) 已經安裝。

3. 測試使用：

   • 初學者/快速測試：使用 tesseract 命令列工具。

   • 開發者/專案整合：在 Python 中使用 pytesseract 套件來呼叫 Tesseract 引擎。