此处为tessercat 3.0-3.02提到的步骤不清楚，我也找不到任何明确的文档：
提到需要以下数据集：
tessdata/eng.config
tessdata/eng.unicharset
tessdata/eng.unicharambigs
tessdata/eng.inttemp
tessdata/eng.pffmtable
tessdata/eng.normproto
tessdata/eng.punc-dawg
tessdata/eng.word-dawg
tessdata/eng.number-dawg
tessdata/eng.freq-dawg
但是，没有解释什么格式或它们实际上是什么？
我正在使用的语言未包含在utf-8中，但包含在utf-16中，尽管它具有官方的unicode代码点范围。
据目前为止
eng.word-dawg ：我需要创建一个文本文件 mylang.txt ，每行一个单词。文字将以我使用的语言以及字母开头。然后将其转换为 dawg 文件。我假设命令是
wordlist2dawg mylang.txt mylang.word-dawg
eng.number-dawg ：创建一个文本文件 mylangnum.txt ，其数字字符-每行一个（0至9）。然后将其隐藏到 mylang.number-dawg
eng.freq-dawg ：与 eng.word-dawg 文件相同的步骤，但是单词的使用频率最高（例如，在处理某些数据集，例如报纸数据集），从第一行中的最常见单词开始（无需包含频率），然后由第二行中的下一个常见单词开始，依此类推。
我不知道其余7个文件中的其余部分。
有人可以请我指导更好的教程，以便在tesseract中添加新语言。
或。验证我的上述假设，并告诉我其余7个文件。以及在拥有所有10个文件之后如何进行。谢谢。
在Ubuntu 16.04 LTS（tesseract版本3.04.01）上使用python