世界最高峰の無料・オープンソース
OCR文字認識エンジン

# HomebrewでTesseractをインストール
brew install tesseract

# 全追加言語パックのインストール (推奨):
brew install tesseract-lang

# インストール確認:
tesseract --version
tesseract --list-langs

# Ubuntu / Debian
sudo apt update
sudo apt install tesseract-ocr tesseract-ocr-jpn tesseract-ocr-eng

# Fedora / RHEL
sudo dnf install tesseract tesseract-langpack-jpn

# Arch Linux
sudo pacman -S tesseract tesseract-data-jpn tesseract-data-eng

pip install pytesseract pillow opencv-python

# Pythonコード例:
import pytesseract
from PIL import Image

# 画像からテキストを抽出
image = Image.open('receipt.jpg')
text = pytesseract.image_to_string(image, lang='jpn+eng')
print(text)

# 検索可能PDFとして出力
pdf = pytesseract.image_to_pdf_or_hocr('document.png', extension='pdf')
with open('output.pdf', 'wb') as f:
    f.write(pdf)

npm install tesseract.js

// Node.js または ブラウザ用コード:
import { createWorker } from 'tesseract.js';

const worker = await createWorker('jpn');
const ret = await worker.recognize('image.png');
console.log(ret.data.text);
await worker.terminate();