1. 样本图片准备 2. 打开 jTessBoxEditor ，选择 Tools -> Merge TIFF，打开对话框，选择训练样本所在文件夹，并选中所有要参与训练的样本图片 3 弹出保存对话框，还是选择在当前路径下保存，文件命名为ty.cp.exp6.tif 4. tesseract ty.cp.exp6.tif ty.cp.exp6 -l ty batch.nochop makebox 5. 打开 jTessBoxEditor ，点击 Box Editor -> Open ，打开步骤2中生成的ty.cp.exp6.tif ，会自动关联到 “ty.cp.exp6.box” 文件： 6. 使用echo命令创建字体特征文件 echo cp 0 0 0 0 0>font_properties. 输入内容 “cp 0 0 0 0 0” 7. 使用 tesseract 生成 ty.cp.exp6.tr 训练文件 在终端中执行以下命名： tesseract ty.cp.exp6.tif ty.cp.exp6 nobatch box.train 8. 生成字符集文件 在终端中执行以下命令： unicharset_extractor ty.cp.exp6.box 9. mftraining -F font_properties -U unicharset -O ty.unicharset ty.cp.exp6.tr 与 cntraining ty.cp.exp6.tr 生成之后手工修改 Clustering 过程生成的 4 个文件（inttemp、pffmtable、normproto、shapetable）的名称为 [lang].xxx。这里改为 ty.inttemp、ty.pffmtable、ty.normproto、ty.shapetable。 10. 合并数据文件 在终端中执行以下命令： combine_tessdata ty. tesseract b01.jpg result -l ty --psm 7

最新Tesseract 训练库，非常好用。 下载完成后,解压后，把需要的字库（如：chi_sim.traineddata）放到Tesseract-OCR目录中的tessdata目录下就可以使用了。具体使用，如果需要使用简体中文库，在第二个参数中设置lang="chi_sim"，python为例：text = pytesseract.image_to_string(Image.open(filename), lang="chi_sim")

tesseract-ocr语言包，这个是英文的语言包

https://github.com/tesseract-ocr/tessdata

OCR 中文包

tessdata简体汉字自己训练的包，针对楷体汉字库，使用tessdata ocr 4.0以上训练是用得Tesseract-OCR 5.0 windows 10 64位系统

语言训练库，放在这里备份自己用。设置了低积分，大家要用的可用方便下载。50积分实在是太贵了。自用是用作tess4j进行验证码识别使用的。

tesseract4.0版本全语言包合集。tessdata全语言包合集。官方github因为限制原因，访问慢，下载慢，故我把所有的语言包都整合到一起了，压缩包形式提供给大家，包括简体中文、英文等等官方提供的全语言。

tessdata.zip

可以直接使用的tesseract 英语与中文的训练集