Tess4j不使用tessdata文件夹

Question

我正在使用tess4j，这是Tesseract的java包装器。我还安装了普通的Tesseract。我不太清楚tess4j是如何工作的，但是由于它附带了tessdata文件夹，所以我可以假设您会将语言数据文件放在那里。但是，只有当语言数据文件位于“真正的”tessdata文件夹(与tesseract一起提供的文件夹，而不是tess4j)时，tess4j才能工作。如果删除该文件夹，将收到以下错误消息：

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.
#

这是否意味着我需要安装Tesseract来使用tess4j？为什么？或者我的tess4j tessdata文件夹位于错误的位置(它当前在我的.java文件中，tess4j jars位于我设置了类路径的lib文件夹中)。

Answer 1

让您的TESSDATA_PREFIX environment variable指向Tess4j的tessdata文件夹。

通常在系统安装过程中设置这些变量，但是您可能在这里找到一个解决方案：如何从Java中设置环境变量？

您必须在运行应用程序的系统上这样做，因为tessdata .dll依赖于这个环境变量。

Answer 2

对于那些使用maven而不喜欢使用全局变量的人，这适用于我：

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());
}

找到了这里，并使用maven -> net.Sourceabiet.tess4j:tess4j:3.4.1进行了测试，该链接也使用1.4.1JAR

Answer 3

如果定义了TESSDATA_PREFIX环境变量，它将覆盖所有内容，包括由init或setDatapath设置的变量；但是，当应用程序可以指定其tessdata文件夹的位置时，这种情况在不久的将来可能会发生变化。

http://code.google.com/p/tesseract-ocr/issues/detail?id=938

https://groups.google.com/forum/#!topic/tesseract-ocr/bkJwI8WmxSw