用 Tesseract 对 1700 份阿拉伯语和法语扫描试卷做 OCR（以及我们踩过的坑）

摩洛哥招聘考试信息站 Wadifa Info 需要为 1700 多份阿拉伯语和法语历年试卷（警察、海关、教师培训、工程师入学考试等）提取文本，以便被搜索引擎索引和引用。文章介绍在单台 Windows 机器上用 Tesseract 5.4 完成批量 OCR 的配置方式，包括通过 winget 安装、从 tessdata_fast 与 tessdata_best 获取阿拉伯语和法语语言数据并用 --tessdata-dir 指定路径，并总结了四个让“完成”变成“未完成”的陷阱。

AI推荐理由 来自实际运营网站的工程复盘，描述用 Tesseract 5 在单台 Windows 机器上对 1700 余份阿拉伯语和法语扫描试卷做 OCR，并总结遇到的四个具体陷阱。有明确工具版本、语言数据来源和部署细节，对做多语言 OCR 的开发者有直接参考价值，但摘要未展开陷阱细节与最终准确率。