我尝试使用 Tess4J 执行 OCR 并输出为 PDF ,并在 Linux 上添加以下代码(Ubuntu 16 Xenial)。
public void testOcr() throws Exception {
File imageFile = new File("/projects/de.conradt.core/tessdata/urkunde.jpg");
ITesseract instance = new Tesseract1(); // tried both Tesseract() and Tesseract1()
// File tessDataFolder = LoadLibs.extractTessResources("tessdata"); // Maven build bundles English data
// instance.setDatapath(tessDataFolder.getParent());
instance.setDatapath("/projects/de.conradt.core/tessdata");
instance.setLanguage("deu");
try {
String result = instance.doOCR(imageFile);
System.out.println(result);
} catch (TesseractException e) {
System.err.println(e.getMessage());
}
List<ITesseract.RenderedFormat> list = new ArrayList<ITesseract.RenderedFormat>();
list.add(ITesseract.RenderedFormat.PDF);
File pdfFile = new File("/projects/de.conradt.core/tessdata/urkunde.pdf");
instance.createDocuments(pdfFile.getAbsolutePath(), "/projects/de.conradt.core/tessdata/urkunde", list);
}
最后一行
instance.createDocuments(pdfFile.getAbsolutePath(), "/projects/de.conradt.core/tessdata/urkunde", list);
抛出异常:
11:03:12.651 [http-nio-8080-exec-1] ERROR net.sourceforge.tess4j.Tesseract - Invalid calling convention 63
java.lang.IllegalArgumentException: Invalid calling convention 63
at com.sun.jna.Native.createNativeCallback(Native Method)
at com.sun.jna.CallbackReference.<init>(CallbackReference.java:239)
at com.sun.jna.CallbackReference.getFunctionPointer(CallbackReference.java:413)
at com.sun.jna.CallbackReference.getFunctionPointer(CallbackReference.java:395)
at com.sun.jna.Function.convertArgument(Function.java:541)
at com.sun.jna.Function.invoke(Function.java:305)
at com.sun.jna.Library$Handler.invoke(Library.java:236)
at com.sun.proxy.$Proxy89.gsapi_set_stdio(Unknown Source)
at org.ghost4j.Ghostscript.initialize(Ghostscript.java:323)
at net.sourceforge.tess4j.util.PdfUtilities.convertPdf2Png(PdfUtilities.java:103)
at net.sourceforge.tess4j.util.PdfUtilities.convertPdf2Tiff(PdfUtilities.java:48)
at net.sourceforge.tess4j.Tesseract.createDocuments(Tesseract.java:535)
at net.sourceforge.tess4j.Tesseract.createDocuments(Tesseract.java:507)
at de.conradt.core.Example.testOcr(Example.java:62)
at de.conradt.core.Example.ocr(Example.java:35)
我发现这是Tess4J的一个已知(但据称是封闭的)问题:
但我检查了我的版本以及TESSDATA_PREFIX env变量。就我所见,这一切都正确设置。
Tesseract和Leptonica版本:
$ /usr/bin/tesseract --version
tesseract 3.04.01
leptonica-1.73
libgif 5.1.2 : libjpeg 8d (libjpeg-turbo 1.4.2) : libpng 1.2.54 : libtiff 4.0.6 : zlib 1.2.8 : libwebp 0.4.4 : libopenjp2 2.1.0
Ghostscript版本(这是我通过apt-get
获得的最新版本)
$ ghostscript -v
GPL Ghostscript 9.18 (2015-10-05)
Copyright (C) 2015 Artifex Software, Inc. All rights reserved.
Tess4j版本:
3.2.1
和TESSDATA_PREFIX(配置文件等在/projects/de.conradt.core/tessdata下):
$ echo $TESSDATA_PREFIX
/projects/de.conradt.core
查看Tess4j的发布日志:http://tess4j.sourceforge.net/changelog.html,我应该使用正确的版本堆栈。 特别是更改日志中的3.2版说:
版本3.2 - 2016年5月15日:由于“呼叫无效”,将JNA恢复为4.1.0 约定63“在Linux上通过Ghost4J调用GhostScript的错误
所以我认为我应该对3.2.1安全。
我是否需要手动设置JNA的任何内容?根据我的理解,这已在3.2.0 for Linux中得到修复。
答案 0 :(得分:3)
好的,我没有在我的项目pom中的任何地方明确引用JNA,我认为这都是在Tess4J 3.2.1及其pom.xml中完成的。我现在也在我自己的pom.xml中添加了JNA 4.1.0作为依赖项,这似乎解决了这个问题。
<dependency>
<groupId>net.java.dev.jna</groupId>
<artifactId>jna</artifactId>
<version>4.1.0</version>
</dependency>