Tesseract OCR 在 Linux 上的 Java 中不起作用

Question

我在后端使用 Java 将一个战争文件部署到我的服务器。 我试图让 Tesseract 在 CentOS 上的 Java 中工作，但它根本行不通。 它完美的作品在我的Windows本地主机，虽然。 我的代码是：

private void doOCR(File file) // The image file
{
    InputStream stream = new FileInputStream(file);

    ContentHandler handler = new BodyContentHandler();
    Metadata metadata = new Metadata();
    ParseContext context = new ParseContext();

    TesseractOCRConfig config = new TesseractOCRConfig();
    config.setTesseractPath(TESSERACT_PATH);
    // Path on Windows is C://Tesseract-ocr and path on Linux is /usr/local/bin
    context.set(TesseractOCRConfig.class, config);

    TesseractOCRParser tessParser = new TesseractOCRParser();       
    tessParser.parse(stream, handler, metadata, context);
    stream.close();
    System.out.println(handler.toString()); // handler.toString() prints extracted text
}

此代码适用于 Windows，但不适用于 Linux。 但是，我可以从命令行执行 Tesseract，并且输出文件包含正确的文本。 Tesseract 无法在 Linux 上使用 Java。 有什么我在这里想念的吗？ 谢谢！

Answer 1

好的，我想出了我的问题。 在 Linux 上，tesseract 文件存储在许多不同的位置（即有些在 etc/tomcat6 中，有些在 var/lib/tomcat6 中，等等）。 在我的 Windows 机器上，所有文件都存储在同一个文件夹 (Tesseract-ocr) 中。 我在两台机器上都设置了 tesseract 可执行文件的路径，但我还需要将所有 tesseract 数据文件放在同一位置。 进行此更改解决了问题。