tesseract命令行可用性直接决定pytesseract能否运行，需确保tesseract已正确安装并加入path、对应语言包存在、图像经适当预处理，且避免多线程并发调用。
tesseract 命令行是否可用，直接决定 pytesseract 能不能跑
pytesseract 本质只是个包装器，它自己不识别文字，全靠调用系统里装好的 tesseract 命令。如果终端输 tesseract --version 报 “command not found”，那后续所有 Python 代码都会抛 TesseractNotFoundError。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- Linux/macOS：用包管理器装，比如 Ubuntu 执行
sudo apt install tesseract-ocr；macOS 推荐brew install tesseract - Windows：去 UB-Mannheim 的 wiki 页面 下安装包（别下旧版 4.x 之前的），勾选 “Add to PATH”
- 装完立刻验证：
tesseract --version必须输出版本号，且路径里不能含空格或中文（否则 pytesseract 会静默失败）
pytesseract.image_to_string() 的 lang 参数不是随便填的
默认只认英文，想识别中文必须显式指定 lang='chi_sim'（简体）或 lang='chi_tra'（繁体）。但光写对名字还不够——对应语言包得真在磁盘上。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 查已安装语言包：
tesseract --list-langs，输出里必须有chi_sim才能用 - 缺语言包？Linux/macOS 用
tesseract-ocr-chi-sim包名安装；Windows 安装时勾选对应语言，或手动下载chi_sim.traineddata放到tesseract/tessdata/目录下 -
lang可以传多个，比如lang='eng+chi_sim'，但别堆太多，识别速度和准确率反而下降
图像预处理比换模型更能提升识别率
OCR 对输入质量极度敏感。模糊、倾斜、低对比度的图，再强的模型也容易崩。tesseract 内置的自适应阈值和二值化很弱，靠它原图直出，错字率常超 30%。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用 OpenCV 做三步最小预处理：
cv2.cvtColor转灰度 →cv2.GaussianBlur降噪 →cv2.threshold固定阈值二值化（推荐cv2.THRESH_BINARY + cv2.THRESH_OTSU） - 避免用 PIL 的
convert('1')，它用的是固定 128 阈值，对阴影/反光区域极不友好 - 文字区域太小（比如小于 12px）时，先
cv2.resize放大 2x，再送入识别；但别无脑放大，超过 3x 容易引入锯齿干扰
pytesseract 不支持多线程并发调用 tesseract 进程
每个 image_to_string() 调用都会 fork 一个新 tesseract 子进程。如果在多线程里直接并发调用，会出现竞争、卡死、返回空字符串，甚至偶尔 core dump。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 别用
threading并发调 pytesseract，改用multiprocessing.Pool，每个子进程独占一个 tesseract 实例 - 如果必须线程内跑，加全局锁：
threading.Lock()包住整个pytesseract.image_to_string()调用 - 批量处理时，优先考虑用
tesseract命令行一次性处理多张图（tesseract *.png stdout -l chi_sim），比 Python 层循环快得多
最麻烦的永远不是装不上，而是装上了但 tesseract 路径没配对、语言包放错位置、或者图没预处理就硬喂——这三处出问题，错误信息往往不报在 pytesseract 层，而是在 subprocess 返回码里静默吞掉。
