Como instalo um novo pacote de idiomas para o Tesseract no 16.04

19

Acabei de instalar o gscan2pdf v1.3.9 e o Tesseract. Quanto ao último, ele apareceu primeiro na parte inferior da minha lista de softwares instalados, mas agora parece ter desaparecido, embora ainda esteja funcionando (eu acho).

De qualquer forma, estou tentando transformar um PDF de um documento digitalizado em texto editável, mas o documento não está em inglês, portanto o gscan faz uma bagunça.

Únicas opções que eu tenho quando eu ir para Tools > OCR > Language to recognizeé English, eque osd. Alguma idéia de como posso instalar um pacote de idiomas específico?

Como não sou usuário experiente do Linux, as instruções passo a passo seriam muito apreciadas.

maa
fonte

Respostas:

33

Basta instalar o idioma ocr necessário usando este:

sudo apt-get install tesseract-ocr-[lang]

Onde [lang] pode estar

all

OU

afr
amh
ara
asm
aze
aze-cyrl
bel
ben
bod
bos
bul
cat
ceb
ces
chi-sim
chi-tra
chr
cym
dan
dan-frak
deu
deu-frak
dev
dzo
ell
enm
epo
est
eus
fas
fin
fra
frk
frm
gle
gle-uncial
glg
grc
guj
hat
heb
hin
hrv
hun
iku
ind
isl
ita
ita-old
jav
jpn
kan
kat
kat-old
kaz
khm
kir
kor
kur
lao
lat
lav
lit
mal
mar
mkd
mlt
msa
mya
nep
nld
nor
ori
pan
pol
por
pus
ron
rus
san
sin
slk
slk-frak
slv
spa
spa-old
sqi
srp
srp-latn
swa
swe
syr
tam
tel
tgk
tgl
tha
tir
tur
uig
ukr
urd
uzb
uzb-cyrl
vie
yid
Abhijit Ghosh
fonte
1
'eng' também deve estar na lista
Will