言語辞書のダウンロード
更新 2022/03/24(木)
(C)文責 炭本 治之
■インストール時にダウンロードした言語辞書
インストール時にダウンロードした言語辞書は,Tesseractのインストール先フォルダの下の
tessdataフォルダ
にコピーされていて,次の2つのファイルです。
eng.traineddata 3.9MB 英字などの半角文字を認識するための辞書 @
jpn.traineddata 13.6MB ひらがな,カタカナ,漢字の全角文字を認識するための辞書 A
これらの辞書を使って,英文や日本語文章を文字認識させることができます。
ただし,これら以外の辞書も公開されているので,それもダウンロードしておきます。
■追加の言語辞書のダウンロード
2021年8月12日時点では,次のURLで辞書が公開されています。
https://github.com/tesseract-ocr/tessdata
下の方にスクロールして,次の2つのファイルをダウンロードしてください。
eng.traineddata 15MB B
jpn.traineddata 34MB C
Bは,@とはまったく異なる内容のファイルですがファイル名は同じです。
このまま,tessdataフォルダにコピーすると@のファイルを上書きします。
上書きしないように,ファイル名を,例えば,次のように変更しておきます。
eng_15MB.traineddata
Cも,ファイル名を,例えば,次のように変更しておきます。
jpn_34MB.traineddata
そうしてから,これら2つのファイルをtessdataフォルダにコピーします。
tessdataフォルダの場所
管理者権限のあるユーザーでインストールした場合
C:\Program Files\Tesseract-OCR\tessdata
■利用可能な言語辞書を確認
スタート,すべてのプログラム,アクセサリ,コマンドプロンプトを起動。
次のように入力。
tesseract --list-langs
下のように,表示されたら,追加した言語辞書も利用可能です。
(終わり) ページの先頭へ
|