一、简介

Tesseract OCR 是一个开源的文字识别（OCR，Optical Character Recognition）引擎，可将图片中的文字识别为可编辑文本。

常见应用场景：

图片文字识别
扫描件识别
PDF 文字提取
检测报告识别
发票、表单识别
PHP、Java、Python 等程序调用 OCR

二、macOS 安装

1、安装 Homebrew（已安装可跳过）

2、安装 Tesseract

3、查看版本

4、查看支持语言

输出示例：

三、Debian 安装

更新软件源：

安装 OCR 引擎：

安装简体中文语言包：

查看版本：

查看语言：

四、麒麟 Linux（YUM）安装

安装 OCR 引擎：

安装简体中文语言包：

部分麒麟版本的软件包名称可能有所不同，例如：

如提示找不到软件包，查看系统中的实际软件包名称，可执行：

查看版本：

查看语言：

五、常用语言包

Tesseract 支持 100 多种语言，可根据业务需要安装对应语言包。

Debian

安装指定语言包：

例如：

麒麟 Linux（YUM）

安装指定语言包：

例如：

部分麒麟发行版的软件包名称可能有所不同，可执行：

查询系统中实际的软件包名称。

macOS

Homebrew 安装完成后，大多数情况下已包含常用语言数据。

查看支持语言：

如果缺少某种语言，可下载对应的 *.traineddata 文件并放入 tessdata 目录。

查看已安装语言：

输出示例：

说明：

eng：英文
chi_sim：简体中文
chi_tra：繁体中文
jpn：日文
kor：韩文
osd：页面方向自动检测

常用语言包对照

语言 语言代码 Debian 麒麟（YUM）
英文 eng tesseract-ocr-eng tesseract-langpack-eng
简体中文 chi_sim tesseract-ocr-chi-sim tesseract-langpack-chi_sim
繁体中文 chi_tra tesseract-ocr-chi-tra tesseract-langpack-chi_tra
日文 jpn tesseract-ocr-jpn tesseract-langpack-jpn
韩文 kor tesseract-ocr-kor tesseract-langpack-kor
法文 fra tesseract-ocr-fra tesseract-langpack-fra
德文 deu tesseract-ocr-deu tesseract-langpack-deu
西班牙文 spa tesseract-ocr-spa tesseract-langpack-spa
葡萄牙文 por tesseract-ocr-por tesseract-langpack-por
意大利文 ita tesseract-ocr-ita tesseract-langpack-ita
俄文 rus tesseract-ocr-rus tesseract-langpack-rus
阿拉伯文 ara tesseract-ocr-ara tesseract-langpack-ara

六、OCR 使用方法

1、识别英文图片

生成：

2、识别简体中文

3、直接输出到终端

英文：

中文：

4、指定多个语言

中英文：

中英日：

七、PHP 调用示例

使用 shell_exec()：

使用 exec()：

八、常用命令

查看帮助：

查看版本：

查看支持语言：

查看安装位置：

九、常见问题

1、提示：

执行：

2、提示：

表示未安装中文语言包。

Debian：

麒麟：

3、查看语言包是否安装成功

若输出包含：

说明中文语言包安装成功。

十、总结

操作系统 安装命令
macOS brew install tesseract
Debian apt install tesseract-ocr tesseract-ocr-chi-sim
麒麟（YUM） yum install tesseract tesseract-langpack-chi_sim

安装完成后建议执行：

确认版本正常、语言列表中包含 chi_sim 后，即可开始进行中文 OCR 识别。