Tess4j不使用它的tessdata文件夾

Question

我正在使用tess4j，Tesseract的java包裝器。 我也安裝了正常的Tesseract。 我不太確定tess4j是如何工作的，但由於它附帶了一個tessdata文件夾，我可以假設您將語言數據文件放在那里。 但是，tess4j僅在語言數據文件位於“真實”tessdata文件夾（tesseract附帶的文件夾，而不是tess4j）中時才起作用。 如果我刪除該文件夾，我收到此錯誤消息：

Error opening data file C:\Program Files\Tesseract-OCR\tessdata/jpn.trained
data
Please make sure the TESSDATA_PREFIX environment variable is set to the par
ent directory of your "tessdata" directory.
Failed loading language 'jpn'
Tesseract couldn't load any languages!
#
# A fatal error has been detected by the Java Runtime Environment:
#
#  EXCEPTION_ACCESS_VIOLATION (0xc0000005) at pc=0x631259dc, pid=5108, tid=
10148
#
# JRE version: 7.0_06-b24
# Java VM: Java HotSpot(TM) Client VM (23.2-b09 mixed mode, sharing windows
-x86 )
# Problematic frame:
# C  [libtesseract302.dll+0x59dc]  STRING::strdup+0x467c
#
# Failed to write core dump. Minidumps are not enabled by default on client
 versions of Windows
#
# An error report file with more information is saved as:
# D:\School\Programs\OCRTest\v1.0.0\hs_err_pid5108.log
#
# If you would like to submit a bug report, please visit:
#   http://bugreport.sun.com/bugreport/crash.jsp
# The crash happened outside the Java Virtual Machine in native code.
# See problematic frame for where to report the bug.
#

這是否意味着我需要安裝Tesseract才能使用tess4j？ 為什么？ 或者maby我的tess4j tessdata文件夾位於錯誤的位置（目前我的.java文件中，tess4j jars位於我設置了類路徑的lib文件夾中）。

Answer 1

讓您的TESSDATA_PREFIX environment variable指向Tess4j的tessdata文件夾。

通常在系統安裝期間設置這些變量，但您可以在此處找到解決方案： 如何從Java設置環境變量？

您必須在運行您的應用程序的系統上執行此操作，因為tessdata .dll依賴於此環境變量。

Answer 2

對於那些使用maven並且不喜歡使用全局變量的人來說，這對我有用：

File imageFile = new File("C:\\random.png");
Tesseract instance = Tesseract.getInstance();

//In case you don't have your own tessdata, let it also be extracted for you
File tessDataFolder = LoadLibs.extractTessResources("tessdata");

//Set the tessdata path
instance.setDatapath(tessDataFolder.getAbsolutePath());

try {
    String result = instance.doOCR(imageFile);
    System.out.println(result);
} catch (TesseractException e) {
    System.err.println(e.getMessage());
}

在這里找到，用maven測試 - > net.sourceforge.tess4j：tess4j：3.4.1，鏈接也用1.4.1 jar

Answer 3

TESSDATA_PREFIX環境變量，如果已定義，將否決所有內容，包括由init或setDatapath設置的setDatapath ; 但是，當應用程序可以指定其tessdata文件夾的位置時，這可能會在不久的將來發生變化。

http://code.google.com/p/tesseract-ocr/issues/detail?id=938
https://groups.google.com/forum/#!topic/tesseract-ocr/bkJwI8WmxSw

Answer 4

也許你的主項目文件夾中沒有tessdata文件夾。 這個文件夾的所有正方體支持的語言（它包含文件.traineddata ， .bigrams ， .fold ， .lm ， .nn ， .params ， .size和.word-freq擴展）如果你沒有的話，請按照下列步驟：

1. 從github.com/tesseract-ocr/tessdata下載tessdata-master文件夾（從下載ZIP按鈕）
2. 解壓縮主項目文件夾中tessdata-master.zip文件的內容
3. 將tessdata-master重命名為tessdata
4. 運行您的java項目並測試它是否有效。 至少這對我有用。