使用PyteSeract执行OCR时出错

Question

我想用pytesseract。这是我的密码。

import pytesseract 
from pdf2image import convert_from_path 

PDF_file = 'file.pdf'
text = '' 
pages = convert_from_path(PDF_file, 500)
pageText = str(((pytesseract.image_to_string(pages[0])))) 

结果我得到了这个错误

回溯（最后一次调用）：文件“C:\Users\user\AppData\Local\Programs\Python 38-32\lib\site packages\pdf2image\pdf2image.py”，第409行，在pdfinfo\u from_path proc=Popen（命令，env=env，stdout=PIPE，stderr=PIPE）文件“C:\Users\user\AppData\Local\Programs\Python\Python 38-32\lib\subprocess.py”，init self中的第854行_执行子进程（args，executable，preexec\u fn，close\u fds，文件“C:\Users\user\AppData\Local\Programs\Python\Python38-32\lib\subprocess.py”，第1307行，在执行子进程hp，ht，pid，tid=\u winapi.CreateProcess（可执行文件，args，FileNotFoundError:[WinError 2]系统找不到指定的文件

在处理上述异常期间，发生了另一个异常：

回溯（最近一次调用）：文件“C:\Users\user\Desktop\projects\pdfparser\pdftest.py”，第13行，pages=convert\u from\u path（PDF\u文件，500）文件“C:\Users\user\AppData\Local\Programs\Python38-32\lib\site packages\pdf2image\pdf2image.py”，第89行，convert\u from\u from\u path（pdf_path，userpw，poppler_path=poppler_path）[“Pages”]文件“C:\Users\user\AppData\Local\Programs\Python\Python38-32\lib\site packages\pdf2image\pdf2image.py”，第430行，在pdfinfo__中，从_路径引发PdfinFoNotInstallerRor（PdfinImage.exceptions.PdfinFoNotInstallerRor:无法获取页面计数。poppler是否已安装并在路径中？

Answer 1

正如许多评论已经指出的，错误消息

PdfinFoNotInstallerRor（pdf2image.exceptions.PdfinFoNotInstallerRor:无法获取页面计数。是否已安装poppler并在路径中？

准确地告诉你哪里出了问题：波普勒没有安装。请参考自述以获得那边的帮助。

您可以看到，pdf2Image只是围绕pdftoppm命令行实用程序的包装器。在Linux它是默认安装的，所以你不需要费心与它，但在Windows上它不是。