PythonでpdfからOCRをしたくて、
https://imagisi.com/ocr-python/
上記のページを参考にしていたのですが、
Windows 10のAnacondaで作成したPython3.6の仮想環境のJupterlab上で
import pyocr
を実行したところ、下記のエラーが出ます。
Traceback (most recent call last):
File "C:\Users\ilab2\anaconda3\envs\py36\lib\site-packages\IPython\core\interactiveshell.py", line 3331, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-10-8d1d5df63604>", line 1, in <module>
import pyocr
File "C:\Users\ilab2\anaconda3\envs\py36\lib\site-packages\pyocr\__init__.py", line 1, in <module>
from .pyocr import *
File "C:\Users\ilab2\anaconda3\envs\py36\lib\site-packages\pyocr\pyocr.py", line 50, in <module>
from . import tesseract
File "C:\Users\ilab2\anaconda3\envs\py36\lib\site-packages\pyocr\tesseract.py", line 168
def detect_orientation(image,lang=None):
^
IndentationError: expected an indented block
errorを参考に該当のファイル(pyocr\tesseract.py)の168行目を確認したのですが、原因がわかりません。
原因と解決方法をご教授いただければ幸いです。
(def detect_orientation(image,lang=None):の行頭のインデントはこうなっていました)。
def detect_orientation(image,lang=None):
"""
Arguments:
image --- Pillow image to analyze
lang --- lang to specify to tesseract
Returns:
{
'angle': 90,
'confidence': 23.73,8
}
Raises:
TesseractError --- if no script detected on the image
"""
_set_environment()
with temp_dir() as tmpdir:
command = [TESSERACT_CMD, "input.bmp", 'stdout', "--psm", "0"]
version = get_version()
if version[0] >= 4:
# XXX: temporary fix to remove once Tesseract 4 is stable
command += ["--oem", "0"]
if lang is not None:
command += ['-l', lang]
if image.mode != "RGB":
image = image.convert("RGB")
image.save(os.path.join(tmpdir, "input.bmp"))
proc = subprocess.Popen(command, stdin=subprocess.PIPE, shell=False,
startupinfo=g_subprocess_startup_info,
creationflags=g_creation_flags,
cwd=tmpdir,
stdout=subprocess.PIPE,
stderr=subprocess.STDOUT)
proc.stdin.close()
original_output = proc.stdout.read()
proc.wait()
original_output = original_output.decode("utf-8")
original_output = original_output.strip()
try:
output = original_output.split("\n")
output = [line.split(": ", 1) for line in output if (": " in line)]
output = {x: y for (x, y) in output}
angle = int(output.get('Rotate', output['Orientation in degrees']))
# Tesseract reports the angle in the opposite direction the one we
# want
angle = (360 - angle) % 360
return {
'angle': angle,
'confidence': float(output['Orientation confidence']),
}
except:
raise TesseractError(-1, "No script found in image (%s)"
% original_output)
追記
コメントで勧められたとおり、一度pyocrを削除(Anaconda prompt上で conda uninstall pyocr)し、再度インストール(https://anaconda.org/brianjmcguirk/pyocrを参考にconda install -c brianjmcguirk pyocr)したところ、無事importできました。
今まではJupyter lab上で
!conda install -c brianjmcguirk pyocr
としていたのですが、Safty error?が出ていたようです(再現できないのですが、File sizeが異なるというような内容のエラーだったかと思います)。
Jupyter lab上で行う!マークを付けたconda installは、Anaconda prompt上でconda installを行うのと同じという認識でしたがよろしいでしょうか。
detect_orientation
関数のインデントはこうなっていそうだったので修正しましたが、もしお手元のソースコードと異なっていれば再修正をお願いします。(Markdown のコード記法が行頭にスペース4つ入れるという文法な影響で、最初の行だけスペースが入っていて後の行に入れ忘れているよくあるミスだと判断しました)detect_orientation
のソースコードがこうなっているので間違いないですか? であればこのインデントがエラーの原因なのですが、オリジナルのリポジトリではこのようなコードにはなっていないので謎です。一度 pyocr をアンインストールして再度インストールしても同じソースコードになりますか?