Question

我正在使用Tess4J（JNA包装tesseract），并尝试从单页PDF中调用tess.doOCR(myFile)到OCR文本。

我安装了GhostScript（使用yum install ghostscript），gs -h正常工作。

我的应用服务器正在使用64-bit JVM，我在类路径中有gsdll64.dll和64位tesseract dll＆＃39; liblept168.dll和libtesseract302.dll。

调用tess.doOCR(myFile)时会记录：

GPL Ghostscript 8.70 (2014-09-22)
Copyright (C) 2014 Artifex Software, Inc.  All rights reserved.
This software comes with NO WARRANTY: see the file PUBLIC for details.
Processing pages 1 through 1.
Page 1

然后它就在那里停止了。该计划没有进一步。

更新 -

看起来真正的问题来自这个错误：

java.lang.UnsatisfiedLinkError: Unable to load library 'tesseract': Native library (linux-x86-64/libtesseract.so) not found in resource path

经过大量浏览后，我找不到一个方便的位置来查找此libtesseract.so文件，而且我不确定如何将其放到我的Linux应用服务器上。我读过，也许我需要下载一些C ++运行时，但我没有看到Linux下载。任何建议都将不胜感激。

或者这与符号链接有什么关系？

Answer 1

修复对我来说很简单，只需从命令行执行sudo apt-get install tesseract-ocr。对于Linux，您不必担心DDL库或jvm版本。从apt-get安装tessearct就可以了。

Answer 2

这些DLL适用于Windows。对于Linux，您需要从build安装或Tesseract source。

那个GS版本，8.70，已经很老了。 Tess4J使用的最新Ghost4J库与此不兼容。

Answer 3

Tess4J应该包含必需的库。但是，您需要先提取它们。

这应该可以解决问题：

File tmpFolder = LoadLibs.extractTessResources("win32-x86-64"); // replace platform
System.setProperty("java.library.path", tmpFolder.getPath());

您应使用平台替换extractTessResources(..)的参数。您可以通过查看Tess4J jar文件找到可能的选项。

这样，您无需在系统上安装Tesseract。

最近我写了一个blog post about Tess4J，其中使用了这种技术。如果您需要更多信息或正在运行的示例项目，它可能会有所帮助。

Answer 4

sudo apt-get update
sudo apt-get install tesseract-ocr

通过git下载测试数据

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

Tess4J - 在资源路径中找不到本机库（linux-x86-64 / libtesseract.so）

4 个答案: