pyocrで謎のエラー

Question

###pyocrのコードをそのまま流しているのにエラー

from PIL import Image
import sys

import pyocr
import pyocr.builders

tools = pyocr.get_available_tools()
if len(tools) == 0:
    print("No OCR tool found")
    sys.exit(1)
# The tools are returned in the recommended order of usage
tool = tools[0]
print("Will use tool '%s'" % (tool.get_name()))
# Ex: Will use tool 'libtesseract'

langs = tool.get_available_languages()
print("Available languages: %s" % ", ".join(langs))
lang = langs[0]
print("Will use lang '%s'" % (lang))
# Ex: Will use lang 'fra'
# Note that languages are NOT sorted in any way. Please refer
# to the system locale settings for the default language
# to use.

txt = tool.image_to_string(
    Image.open('iroha.png'),
    lang="jpn",
    builder=pyocr.builders.TextBuilder(tesseract_layout=6)
)
print( txt )
# txt is a Python string

エラー

Traceback (most recent call last):
  File "ocr.py", line 28, in <module>
    builder=pyocr.builders.TextBuilder(tesseract_layout=6)
  File "C:\Users\jun_endo\AppData\Local\Continuum\anaconda3\lib\site-packages\pyocr\tesseract.py", line 367, in image_to_string
    raise TesseractError(status, errors)
pyocr.error.TesseractError: (1, b'Error opening data file C:\Program Files (x86)\Tesseract-OCR\tessdata/jpn.traineddata\r\nPlease make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.\r\nFailed loading language \'jpn\'\r\nTesseract couldn\'t load any languages!\r\nCould not initialize tesseract.\r\n')

このエラーの意味と、
解決方法を教えてください。

Answer 1

TESSDATA_PREFIX環境変数が適切に設定されていない、必要なデータが参照できないと云われています。

参考までにWSLでの設定手順を示します。
参考：【PyOCR】画像から日本語の文字データを抽出する

tesseract-ocr/tesseractに従い以下をインストール。

$ sudo apt install tesseract-ocr
$ sudo apt install libtesseract-dev

Data Files から 以下をダウンロード。

• osd.traineddata
• equ.traineddata
• jpn.traineddata
• eng.traineddata

以下に配置。

$ sudo mkdir /usr/local/share/tessdata/
$ sudo mv jpn.traineddata /usr/local/share/tessdata/
$ (その他も同様に)

TESSDATA_PREFIX環境変数を追加

$ nano .bashrc
(略)
# for tesseract can110
if [ -f /usr/bin/tesseract ]; then
    export TESSDATA_PREFIX=/usr/local/share/tessdata/
fi
(略)

利用可能な言語の確認

$ tesseract --list-langs
List of available languages (4):
eng
equ
jpn
osd

コマンドラインでテスト実行。

$ tesseract tesseract.png output -l jpn
(stderrにたくさんメッセージが出るが問題ないようだ)
$ cat output.txt
d0g Cat

犬 猫

今日の天気は晴れです。

引き続きPythonコードでの動作については
pythonでバージョンが違う場合モジュールの実行方法
に記載しています。