在學習python網絡數據採集一書中，學習到11章——圖片處理時，作者介紹了tesseract-ocr光學文字識別這一內容，隨後在安裝該工具的過程中遇到了很多的問題，在這裏將其全部羅列出來，供讀者參考。
1.安裝tesseract
tesseract不是python的庫文件，因此需要從網上下載安裝，安裝文件下載請點這裏，進入網頁後，根據需要選擇高亮的藍色字體進行下載，下載後按默認安裝即可。
2.配置tesseract的環境變量
tesseract實際上是在windows命令行模式下使用的工具，因此需要配置其環境變量。配置方法如下：打開我的電腦屬性——更改設置——高級——環境變量，在系統變量中添加tesseract的路徑。
win+R輸入cmd打開命令行工具，輸入tesseract -v，出現如下說明即配置成功
3、TESSDATA_PREFIX變量設置
到這一步環境變量配置完成，但是此時直接使用tesseract對圖片進行識別會提示錯誤
例如，在cmd窗口中使用命令tesseract 1.jpg res
出現如下的錯誤提示
Error opening data file \Program Files (x86)\Tesseract-OCR\tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
Failed loading language 'eng'
Tesseract couldn't load any languages!
Could not initialize tesseract.
主要原因在於沒有設置TESSDATA_PREFIX變量，同樣在環境變量中添加該變量可解決問題
4、命令行使用注意點
tesseract的命令格式爲 tesseract image.(jpg,png...) res 其中res爲最後的輸出，默認爲txt文件
注意的是在命令行中，image文件應該在執行該命令的文件夾中，否則會報錯，顯示
Error in fopenReadStream: file not found
Error in findFileFormat: image file not found
Error during processing.
因此，要麼cd到圖片文件的目錄下，要麼將圖片所在位置完整給出，如C:1\2\image.jpg