在不同的系統中安裝tesseract非常容易。為了簡便，我們以Ubuntu為例。在Ubuntu中妳僅僅需要運行以下命令:
這將會安裝支持3種不同語言的tesseract。
2.安裝PyOCR
現在我們還需要安裝tesseract的Python接口。幸運的是，有許多出色的Python接口。我們采用最新的壹個：
3.安裝Wand和PIL
在我們開始之前，還需要另外安裝兩個依賴包。壹個是Wand。它是Imagemagick的Python接口。我們需要使用它來將PDF文件轉換成圖像：
我們也需要PIL因為PyOCR需要使用它。妳可以查看官方文檔以確定如何將PIL安裝到妳的操作系統中。
4.熱身
讓我們開始我們的腳本吧。首先，我們需要導入壹些重要的庫：
註意：我將從PIL導入的Image模塊改名為PI了，因為如果不這樣做的話，它將和wand.image模塊發生重名沖突。
5.開始
現在我們需要獲得OCR庫（在本例中，即tesseract）的句柄以及我們在PyOCR中將使用的語言：
我們使用tool.get_available_languages()裏的第二種語言，因為之前我曾嘗試過，第二種語言就是英語。
接著，我們需要建立兩個列表，用於存儲我們的圖像和最終的文本。
下壹步，我們需要采用wand將壹個PDF文件轉成jpeg文件。讓我們試壹試吧！
註意：將PDF_FILE_NAME替換成當前路徑下的壹個可用的PDF文件名。
wand已經將PDF中所有的獨立頁面都轉成了獨立的二進制圖像對象。我們可以遍歷這個大對象，並把它們加入到req_image序列中去。