在上面链接的谷歌论坛上有一个关于这个问题的新帖子。第一个答案的结论是，这可能是不可能的。
据我所知，这是正确的，如果你使用的是Tesseract打包的语言数据文件。但是，如果您是training on your own box files，则可以非常容易地限制输出字符。这几乎是自动的：如果unicharset_extractor在box文件中没有找到任何非ASCII字符，则在输出中永远不会看到非ASCII字符。
当我第一次开始使用Tesseract时，我对输出中的所有interpuncts和其他unusual characters同样感到沮丧，在我自己的box文件上训练解决了这个问题。您甚至可以使用Tesseract training data作为起点。

使用tessedit_char_whitelist配置选项。

以下是@维克托的回答：如果你知道你只会遇到语言中可用字符的一个子集，比如只有数字，你可以使用tessedit_char_whitelist配置变量。请参阅常见问题解答中的示例。
在我的例子中，我这样设置：

client.SetVariable("tessedit_char_whitelist", " !\"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\\]^_`abcdefghijklmnopqrstuvwxyz{|}~")

字符串