Tesseract OCR文字识别

基于Tesseract引擎的OCR文字识别技能，支持中文、英文、中英混合三种模式，输出text/structured/question_answer三种格式。

Tesseract OCR Skill

使用 Tesseract 引擎从图像中提取文字内容。

功能

• 支持中文（简体）、英文、中英混合三种语言模式
• 支持三种输出格式：
  • text: 纯文本输出
  • structured: 结构化输出（识别题目、选项、答案）
  • question_answer: 问答对格式

使用方式

bash

python <skill-path>/tesseract_ocr_skill.py <image_path> --lang chi_sim+eng --format text

参数

参数	说明	默认值
image_path	图片文件路径	必填
--lang	识别语言	chi_sim+eng
--format	输出格式	text
--output	输出文件路径	控制台输出

依赖

• Python 3.x
• pytesseract
• Pillow
• Tesseract OCR 引擎（需单独安装）

安装 Tesseract

Windows: 下载安装包 https://github.com/UB-Mannheim/tesseract/wiki