Python tesseractで翻訳ができない

Question

プログラミング勉強中の初心者です。
anaconda環境のPycharmにてconda経由でPytesseract,tesseract,pyocrをインストールし、
動作確認のため下記のコードを実行したのですが

Will use tool 'Tesseract (sh)'
Available languages: Traceback (most recent call last):
File "C:\Users.....\PycharmProjects\PysimpleGUI\XXXX.py", line 18, in <module>
lang = langs[0]
IndexError: list index out of range

と表記され実行できません
色々調べましたがごちゃごちゃになってわからないので解決策を教えてほしいです。

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)
tool = tools[0]
print("Will use tool '%s'" % (tool.get_name()))


langs = tool.get_available_languages()
print("Available languages: %s" % ", ".join(langs))
lang = langs[0]
print("Will use lang '%s'" % (lang))

試したこと

・anaconda promptにてconda listにてPytesseract,tesseract,pyocrをインストールされているか、バージョンが最新かの確認
→すべてインストール済、最新版(いずれもconda install -c conda-forge～　でインストール)
・anaconda環境のプロジェクトか確認→そう
・anaconda promptにてtesseract versionからtesseract --list-langsから言語を確認
→ jpnとjpn_vertの両方を確認

・試しに日本語がはっきり書かれている画像をカレントディレクトリに置き下記のコードでテキストを読み取らせる

from PIL import Image
import sys

import pyocr
import pyocr.builders
pyocr.tesseract.TESSERACT_CMD = r'<full_path_to_your_tesseract.exe>'
(pyocr.tesseract.TESSERACT_CMD = r'<full_path_to_your_pytesseract.exe>'としても同じ結果)
tools = pyocr.get_available_tools()
if len(tools) == 0:
    print("No OCR tool found")
    sys.exit(1)
tool = tools[0]
print("Will use tool '%s'" % (tool.get_name()))

txt = tool.image_to_string(Image.open('test.png'),lang="jpn",builder=pyocr.builders.TextBuilder(tesseract_layout=6))
print(txt)

環境変数などの設定は行っていません。
実行の際TESSERACT_CMDの行抜きですと下記のようにエラーが出ました

C:\Users\ユーザ名\anaconda3\python.exe C:\Users\fユーザ名\PycharmProjects\PysimpleGUI\....\....\XXX.py 
Will use tool 'Tesseract (sh)'
Traceback (most recent call last):
  File "C:\Users\ユーザ名\PycharmProjects\PysimpleGUI\....\....\XXX.py", line 15, in <module>
    txt = tool.image_to_string(Image.open('test.png'),lang="jpn",builder=pyocr.builders.TextBuilder(tesseract_layout=6))
  File "C:\Users\ユーザ名\anaconda3\lib\site-packages\pyocr\tesseract.py", line 372, in image_to_string
    raise TesseractError(status, errors)
pyocr.error.TesseractError: (1, b'Error opening data file ./jpn.traineddata\r\nPlease make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.\r\nFailed loading language \'jpn\'\r\nTesseract couldn\'t load any languages!\r\nCould not initialize tesseract.\r\n')

プロセスは終了コード 1 で終了しました

行を入れた際はNo OCR tool found と出ます。
未使用の import ステートメント 'import pyocr'
'imported module pyocr' の参照 'tesseract' が見つかりませんと表示される。

また、r'<full_path_to_your_tesseract.exe>'
の箇所はきちんとtesseract.exeの絶対パスを指定しています。
（anaconda prompt にて　where tesseractで表示された絶対パスが同じであることを確認済)

anaconda promptにて、
set TESSDATA_PREFIX=C:\Users\ユーザー名\anaconda3\pkgs\tesseract-5.3.0-...........\share\tessdata
を実行後、再度コードを実行。
→試してうまくいかないので追記。

環境

・PyCharm Community Edition
・anaconda3
・windows10

Comments

[jbpb0]

pythonのコードの一番最初の行のすぐ上に
```python
だけの行を追加してください
また、pythonのコードの一番最後の行のすぐ下に
```
だけの行を追加してください

または、
https://teratail.storage.googleapis.com/uploads/contributed_images/56957fe805d9d7befa7dba6a98676d2b.gif
を見て、そのようにしてみてください

現状、コードがとても読み辛いです
質問にコードを載せる際に上記をやってくれたら、他人がコードを読みやすくなり、コードの実行による現象確認もやりやすくなるので、回答されやすくなります

[jbpb0]

質問の(「試しに日本語が...」以下の)二つ目のコードの

> pyocr.tesseract.TESSERACT_CMD = r'<full_path_to_your_tesseract.exe>'

の
「<full_path_to_your_tesseract.exe>」
の部分は、「tesseract.exe」の実際の絶対パスに置き換えてますでしょうか？

また、質問の二つ目のコードで、一つ目のコードのように
「pyocr.tesseract.TESSERACT_CMD =...」
の行が無い場合は、どうなりますでしょうか？

[jbpb0]

二つ目のコードで、

> TESSERACT_CMDの行抜きでも同様のエラーが出ました

「同様のエラー」とは

> →No OCR tool found と出る。

と同じでしょうか？

一つ目のコードでは

> Will use tool 'Tesseract (sh)'

なのに、二つ目のコードでは

> →No OCR tool found と出る。

となる原因が、
「pyocr.tesseract.TESSERACT_CMD =...」
の行が有るからではないか？ と思ったのですが

[jbpb0]

> anaconda promptにてtesseract versionからtesseract --list-langsから言語を確認
→ jpnとjpn_vertの両方を確認

> r'<full_path_to_your_tesseract.exe>'
の箇所はきちんとtesseract.exeの絶対パスを指定しています。

anacondaプロンプトで

where tesseract

を実行した結果表示の絶対パスと、
「<full_path_to_your_tesseract.exe>」
の実際は、同じでしょうか？

[Rance1119]

ご回答ありがとうございます。

① 二つ目のコードで、TESSERACT_CMDの行抜きでも同様のエラーが出ました
「同様のエラー」とは →No OCR tool found と出る。 と同じでしょうか？

との事ですが別のエラーが出ていました、書き直しました。

② where tesseract を実行した結果表示の絶対パスと、 「<full_path_to_your_tesseract.exe>」 の実際は、同じでしょうか？

同じです、確認済みです。

Answer 1

tessdateのファイルを….libray/binに入れたら動作しました。