python - 如何用汉字打印 tesseract 结果

Question

我正在尝试让我的程序使用 Tesseract 识别中文，并且它有效。我遇到的唯一问题是将结果打印为汉字，结果是用拼音打印(你如何将中文单词输入为英文)。

# Import libraries
from PIL import Image
import pytesseract
from unidecode import unidecode

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

image_counter = 2

filelimit = image_counter - 1

outfile = "out_text.txt"

f = open(outfile, "a")

for i in range(1, filelimit + 1):
    print("ran")
    filename = "page_" + str(i) + ".png"

    # Recognize the text as string in image using pytesserct
    text = unidecode(((pytesseract.image_to_string(Image.open(filename), lang = "chi_sim"))))

    print(text)

这是我运行的图像

这是我得到的

跑了 清明世解与分分,陆商行人与断缺 新文旧家何出友，木易通之强化村。

结果应该是如图所示的汉字。

Answer 1

没关系，我意识到我的问题了。

text = unidecode(((pytesseract.image_to_string(Image.open(filename), lang = "chi_sim"))))

应该是

text = pytesseract.image_to_string(Image.open(filename), lang = "chi_tra")