Как расставить приоритеты на французском OCR по арабскому языку при использовании Tesseract (FRA+ARA) на двуязычных доку ⇐ Python

[Anonymous]

Я работаю над отсканированными документами (регистрами), которые содержат как французский и арабский текст.
Когда я запускаю tesseract ocr с lang = 'fra' , все французский текст извлечен идеально . Чтобы справиться с обоими языками в одном проходе, я начинаю получать странные ошибки:

• Французские слова неверно прочитаны или заменены (например, Societe становится 50012175 )
• Имена французской компании становятся случайными арабскими символами (например, Alpha . حمناطاحم )
• арабские слова работают нормально, но французский язык развращается.

Что я хочу:
Я хотел бы, чтобы tesseract приоритет в арабском языке (на самом деле, когда он смотрит на французский, и только что в арабском языке). Текст. < /p>
Я попытался сделать OCR в двух проходах (

Код: Выделить всё

fra

и ara ) и комбинировать их вручную, но трудно правильно согласовать слова, так как Tesseract разбивает и заказывает текст по -разному для арабского и французского. to:

• Расстановка приоритетов fra over ara во время одного запуска OCR? Выходы? Python
• Вход OCR: сканирующие PDFS/Images (высокое качество)
  образец изображения

Подробнее здесь: https://stackoverflow.com/questions/795 ... a-on-bilin