Tesseract OCR 📜

基于源代码构建的最新Tesseract OCR 5.x.x版本Docker镜像。源代码来自Tesseract OCR项目的最新main分支和最新releases。

GitHub仓库：<[***]>

标签 🏷️

latest：当源代码有变更时，会拉取main分支并重建镜像，每日检查变更。

5.x.x：当Tesseract OCR 5.x.x有新版本发布时，会拉取该版本源代码构建并标记相应版本，每日检查新版本。

使用方法 🛠️

拉取Docker镜像

从Docker Hub拉取镜像：

docker pull franky1/tesseract

运行Docker容器

详见GitHub仓库以更好地理解以下步骤

将镜像数据挂载到/tmp目录，并使用所需命令行选项运行Tesseract OCR容器，例如，使用测试镜像运行：

docker run -it -v ${PWD}/testdata:/tmp --rm franky1/tesseract \
  tesseract english.png output --oem 1 -l eng

有关Tesseract命令行选项，请参考Tesseract手册。

挂载更多语言 🗣️

详见GitHub仓库以更好地理解以下步骤

测试本地/tessdata子文件夹中的语言是否已挂载到Docker容器中。注意，本地语言会覆盖镜像中已安装的语言。以下是法语示例：

docker run -it -v ${PWD}/testdata:/tmp \
  -v ${PWD}/tessdata:/usr/local/share/tessdata/ \
  --rm franky1/tesseract

使用示例镜像测试挂载的语言，以下是法语示例：

docker run -it -v ${PWD}/testdata:/tmp \
  -v ${PWD}/tessdata:/usr/local/share/tessdata/ \
  --rm franky1/tesseract \
  tesseract french.jpg output --oem 1 -l fra

镜像条件

• 当前仅支持linux/amd64架构。
• OCR镜像的工作目录为容器内的/tmp（见上文示例）。
• 训练数据目录为容器内的/usr/local/share/tessdata/（见上文示例）。
• 本镜像不含Tesseract训练工具。
• 本镜像默认仅包含来自tessdata_best仓库的以下语言：
  • 英语：tessdata_best > eng.traineddata
  • 德语：tessdata_best > deu.traineddata
  • 如需其他语言，需自行构建镜像或挂载训练数据到/usr/local/share/tessdata/目录（见上文示例）。

所有可用语言的Tesseract训练数据

• 支持语言概述：<[***]>
• 支持传统和LSTM OCR引擎的训练模型：<[***]>
• 快速整数版LSTM训练模型：<[***]>
• 最佳（最准确）LSTM训练模型：<[***]>

进一步文档 🔗

• 本Docker镜像GitHub仓库：<[***]>
• Tesseract官方GitHub仓库：<[***]>
• Tesseract官方文档：<[***]>
• Tesseract官方手册：<[***]>

问题反馈 🐛

如遇本Docker镜像相关的bug或需求，请在GitHub仓库提交issue：<[***]>

项目状态 ✔️

2025年09月11日：Docker镜像已可使用，仍有一些小改进空间（详见GitHub仓库）