pip install tesseract失败是因为需先安装tesseract-ocr二进制引擎而非Python包；macOS用brew install tesseract，Windows下载安装包并勾选“Add to PATH”，Ubuntu执行sudo apt-get install tesseract-ocr；验证需tesseract --version成功输出版本号。
pip install tesseract 失败？不是装这个，是装 tesseract-ocr 二进制
很多人卡在第一步：执行 pip install tesseract 或 pip install pytesseract 后，一调用就报 TesseractNotFoundError。这不是 Python 包没装对，而是系统根本没装 OCR 引擎本体。
Pytesseract 只是 Python 封装，真正干活的是 tesseract 命令行程序。必须单独安装：
- macOS：
brew install tesseract（推荐）或从 GitHub releases 下载预编译包 - Windows：去 UB-Mannheim 镜像页 下
tesseract-ocr-w64-setup-v5.x.x.7z，安装时勾选 “Add to PATH” - Ubuntu/Debian：
sudo apt-get install tesseract-ocr libtesseract-dev
装完验证：tesseract --version 能打出版本号才算成功。Pytesseract 默认会找系统 PATH 里的 tesseract，别手动改 pytesseract.tesseract_cmd——除非你非得用某个特定路径。
中文识别不出字？关键在 lang 参数和训练数据文件
默认只装了英文模型（eng），传 lang='chi_sim' 却提示 Invalid language 'chi_sim'，说明中文语言包根本没装。
立即学习“Python免费学习笔记（深入）”；
- macOS：
brew install tesseract-lang（会装全量语言，含chi_sim、chi_tra） - Windows：安装时勾选 “Chinese (Simplified)” 和 “Chinese (Traditional)”
- Ubuntu：
sudo apt-get install tesseract-ocr-chi-sim tesseract-ocr-chi-tra
代码里必须显式指定：pytesseract.image_to_string(img, lang='chi_sim')。别信“自动检测语言”，Tesseract 不支持。多语言混合文本建议用 lang='chi_sim+eng'，加号连接，顺序影响识别优先级。
image_to_string 返回空或乱码？先看图再调参
OCR 效果极度依赖输入图像质量。直接丢一张手机拍的斜角、反光、模糊截图，再怎么调参数也白搭。
- 必须做预处理：
cv2.cvtColor转灰度 →cv2.threshold二值化（推荐cv2.THRESH_OTSU）→ 去噪（cv2.medianBlur） - 分辨率太低？用
cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)放大，别用双线性 - 避免
config='--psm 6'以外的 PSM 模式，除非你明确知道要识别单行/单字/垂直文本。--psm 6是通用最强默认值 - 别加
--oem 1（LSTM 模式）试图“更准”——中文下它常比默认 OEM 0（Legacy + LSTM）更差
示例最小可靠调用：
text = pytesseract.image_to_string(<br> binary_img, <br> lang='chi_sim', <br> config='--psm 6 --oem 0'<br>)
识别速度慢、内存爆掉？警惕 image_to_data 和 PDF 输入
image_to_data 返回每字坐标和置信度，结构复杂，解析开销大；PDF 输入会先转成高分辨率图像再 OCR，极易 OOM。
- 只要纯文本，永远用
image_to_string，别用image_to_data再拼接 - PDF 识别前先用
pdf2image.convert_from_path()控制 DPI（dpi=150足够），并限制页数：pages=[0] - 批量处理图片时，别在循环里反复 import pytesseract 或新建 Image 对象——把预处理和 OCR 封装成函数，复用 OpenCV 图像对象
- Tesseract 本身不支持多线程并发，Python 多进程（
multiprocessing.Pool）才有效提速
最常被忽略的一点：Tesseract 的 --tessdata-dir 如果指向错误路径，它会静默失败并返回空字符串，连 warning 都不抛——务必确认 tessdata 文件夹里真有对应 .traineddata 文件。
