Linux下部署tesseract-ocr以支持tess4j
目录
在spring mvc中需要使用到tess4j,以实现文字识别功能。开发环境是windows 10,生产环境是ubuntu 18.04。在windows 10中不用太过操心,因为tess4j.jar中包含使用的动态链接库libtesseract.dll,但是没有Linux环境下的动态链接库,所以需要自己来安装并配置。
网上有人说只需在resources下建立目录linux-x86-64,并把编译好的libtesseract.so 和liblept.so复制过来就可以了。在tesseract 4.0之前或许可以,但是5.0以后就一定是不可以的。需要在服务器上编译并部署tesseract和leptonica。
一、编译环境
由于tesseract和leptonica都是C++开发的,所以需要搭建C++的编译环境。Ubuntu默认是不安装的,为了方便安装,ubuntu提供了安装包build-essential,按装此包,即可安装依赖的gcc和g++的编译环境。
sudo apt install build-essential
二、下载代码库
通过wget下载tesseract和leptonica代码库,注意版本的依赖关系。我下载的是5.0版本以及对应的leptonic-1.82.0。注意要下载发布后的版本,而不是直接从代码库中下载,因为发布的版本更稳定可靠。
wget https://github.com/tesseract-ocr/tesseract/archive/refs/tags/5.0.1.tar.gz
wget http://www.leptonica.org/source/leptonica-1.82.0.tar.gz
下载后,分别解压:
tar -vxf 5.0.1.tar.gz
tar -vxf leptonica-1.82.0.tar.gz
三、编译并安装
进入leptonica目录,并编译,命令如下:
cd leptonica-1.82.0
./configure && make && make install
编译后的安装目录为:/usr/local/lib
由于tesseract依赖leptonica,需要配置leptonica,使在编译tesseract时能找到leptonica。通过vim打开/etc/profile。
sudo vim /etc/profile
在文件的最后添加如下内容:
export LD_LIBRARY_PATH=$LD_LIBRARY_PAYT:/usr/local/lib
export LIBLEPT_HEADERSDIR=/usr/local/include
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
接下来进入目录tesseract-5.0.1,并编译安装。由于此目录下尚没有生成configue文件,所以需要先通过命令./autogen.sh 生成configue文件。
cd ../tesseract-5.0.1
./autogen.sh
./configure && make && make install
tesseract也是安装在目录/usr/local/lib下面。
四、配置依赖动态链接库
在spring mvc项目的classes下面建立文件夹linux-x86-64,并建立软链接liblept.so.5 和libtesseract.so。可能是由于这两个库还依赖其他动态链接库,直接拷贝过来是不可以的。
mkdir linux-x86-64
cd linux-x86-64
ln -s /usr/local/lib/liblept.so.5.0.4 liblept.so.5
ln -s /usr/local/lib/libtesseract.so.5.0.0 libtesseract.so