Tesseract OCR 如何下载中文语言数据包

Tesseract OCR是一个开源的光学字符识别引擎，支持多种语言包括中文。如果你想让Tesseract支持中文，你需要下载对应的中文语言数据包。以下是步骤：

1. 首先，访问Tesseract OCR的GitHub仓库地址：https://github.com/tesseract-ocr/tesseract

2. 进入页面后，找到releases（发行版）部分，通常会在最新的稳定版本里包含多语言支持。

3. 在releases页面，搜索"chi_sim"（简体中文）或者"chi_trad"（繁体中文），这两个标签代表了中文的语言数据包。

4. 下载对应版本的tesseract数据包，这通常是.zip或.deb文件，取决于你的操作系统。如果是Windows用户，选择Windows版本；macOS或Linux用户则找对应平台的安装包。

5. 解压下载的文件，你会看到一个`data`目录，里面包含了训练好的OCR模型和字典文件。

6. 将这个`data`目录复制到Tesseract的安装目录下的`tessdata`子目录下。例如，在Windows上，这可能是`C:\Program Files\Tesseract-OCR\tessdata`。

7. 确保Tesseract配置文件`tesseract_config.ini`中已经添加了正确的语言设置。对于简体中文，可以添加这一行：

   user_dict_path = %USERPROFILE%\AppData\Local\Tesseract-OCR\tessdata\chi_sim.traineddata

完成以上步骤后，你的Tesseract应该就可以识别中文文本了。注意定期更新Tesseract，因为新版本可能会有性能提升或新增语言支持。