Question

我正在使用tess4j（4.3.1版），以便可以将图像文件转换为文本文件以为Lucene准备索引。它可以工作，但最后会发出警告

Warning: Parameter not found: enable_new_segsearch

这是我的pom.xml

<dependencies>
        <dependency>
            <groupId>org.ghost4j</groupId>
            <artifactId>ghost4j</artifactId>
            <version>1.0.1</version>
        </dependency>
        <dependency>
            <groupId>net.java.dev.jna</groupId>
            <artifactId>jna</artifactId>
            <version>5.3.1</version>
        </dependency>

        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>4.3.1</version>
        </dependency>
        <dependency>
            <groupId>com.github.jai-imageio</groupId>
            <artifactId>jai-imageio-core</artifactId>
            <version>1.4.0</version>
        </dependency>
        <dependency>
            <groupId>net.sourceforge.lept4j</groupId>
            <artifactId>lept4j</artifactId>
            <version>1.12.0</version>
        </dependency>

    </dependencies>

还有我的Java主类：

        File imageFile = new File("samples/eurotext.pdf");
        ITesseract instance = new Tesseract();
       instance.setDatapath("E:\\tessdata");
        try {
            String result = instance.doOCR(imageFile);
            System.out.println(result);
        } catch (TesseractException e) {
            System.err.println(e.getMessage());
        }

使用以下VM参数：

-Djna.library.path=${workspace_loc:/ocr-tess4j-example}/dlls/x64

dlls / x64文件夹的内容：

gsdll64.dll
liblept1760.dll
libtesseract400.dll

如何摆脱警告消息？

Answer 1

尝试：

instance.setTessVariable("debug_file", "/dev/null");

Answer 2

语言数据不正确。从[https://github.com/tesseract-ocr/tessdata]下载了整个tessdata。错误消失了。从这里得到了这个主意 https://pdfc.inetsoftware.de/public/help/tesseract4/p/optical-character-recognition

Tesseract发出警告消息

2 个答案: