最近开始学习Tesseract-ocr。Google在GitHub上提供了Tesseract的源码以及现成的语言训练包。然而最新版本的Tesseract 4.0需要VS2015及以上版本的支持， 而提供的语言训练包只支持4.00和3.04两个版本的Tesseract。由于工作需要， 不能安装VS2015， 因此为了能直接使用官方提供的训练包，我选择在VS2013上编译Tesseract 3.04版本。
然而， 故事不可能就这么简单。 在这个安装和编译过程中我踩了很多的坑， 折腾了一整天才将它成功编译。这是我第一次在简书写文， 事实上我之前也没有任何写博文的经验， 所以此文可能会有许多的问题和不足，还请各位多多批评指正。其实这是一篇我用来练手Markdown的文章
-
第一步： 安装Git
这一步我就不再多说了。 最简单的办法就是打开软件管家， 搜索Git， 然后安装即可。
-
第二步：获取源文件依赖文件
为什么不直接下载源文件然后编译呢？ 当然是因为编译不过呀喂！这是我踩的第一个坑。为了避免麻烦， 我们直接先下载好依赖文件。
依赖文件的GitHub地址在这里 。 这里我们可以选择手动下载，但既然我们使用了Git， 所以还是用Git来下载吧。
首先在你想要的位置新建一个目录用来存放文件。 我选择的位置是F:\tesseract-build。
接着打开命令行， 切换到tesseract-build文件夹下， 执行下面的指令：
git clone https://github.com/charlesw/tesseract-vs2012.git
clone完成后， 在tesseract-build会出现名为tesseract-vs2012的文件夹。进入文件夹， 打开tesseract.sln工程文件， 编译运行……
别急，先深吸一口气。因为接下来你可能会遇到一系列的问题。 没关系， 我会一一列出并给出解决办法。
首先你可能会看到这个错误：
这个问题是VS2013的兼容性造成的。 解决方法：右击解决方案资源管理器中的liblept-171， 进行如下设置：
- “C/C++” --> "常规” -->”调试信息格式” 设置为 “C7 兼容(/Z7)”`
- “C/C++” --> "代码生成” -->”启用字符串池” 设置为 “是(/GF)”`
- “链接器” --> "调试” -->”生成调试信息” 设置为 “是(/DEBUG)”`
然后再编译, 出现了新的错误：
这个是由于文件编码的原因造成的。 解决办法：
1. 点击“文件” --> “高级保存选项”
2. 将编码改为`Unicode(UTF-8 带签名) - 代码页 65001` （提示： 在选项的最开始的地方）
继续编译， 发现出现出现下面的错误：
以及
解决办法：
跳到问题所在的行， 将声明变量的类型由l_unit32改为int
继续编译， 已经没有没有报错了， 但弹出了这个警告框：
不要慌。 到了这一步，你与这个工程的战斗已经结束了。 你可以选择点击确定， 关掉工程， 进入后续步骤。
接下来， 找到你的VS2013安装目录， 进入下面的文件夹：
打开
VS2013 开发人员命令提示, 切换到tesseract-vs2012所在的文件夹， 执行下面的指令
msbuild build.proj
然后就会开始编译过程。 经过两到三分钟的编译后， 看到这个提示：
说明你成功了。关掉命令行， 进入tesseract-build\tesseract-vs2012目录， 如果你细心的话会发现里面多出了一个release文件夹。 点进入里面有include和lib两个文件夹。 我们辛苦了这么久， 就是为了它们。接下来你需要：
1. 进入tesseract-build\tesseract-vs2012, 将vs2013+64bit_support.patch文件复制到tesseract-build目录下
2. 进入tesseract-build\tesseract-vs2012\release, 将include文件夹和lib文件夹复制到tesseract-build目录下
3. 将tesseract-build\lib\Win32里的内容全部拷贝到tesseract-build\lib下
这时你的tesseract-build目录中应该有下面这些东西：
-
第三步 下载源码， 打补丁， 编译源码
辛苦了这么久， 终于开始下载源码了。这一步就不要手动下载了， 因为等下需要用到git仓库。打开命令行， 切换到tesseract-build文件夹， 输入下面的指令：
git clone https://github.com/tesseract-ocr/tesseract.git
克隆完毕后你的tesseract-build文件夹下会多出一个tesseract文件夹， 这正是Tesseact的源码。
然而实际上， 我们克隆下来的是Tesseract 4.0的源码， 而我们需要的是3.04， 所以需要用checkout指令进行版本切换。右键点击tesseract文件夹，运行git bash。 在弹出的git命令行中输入：
git checkout -b 3.04-vs2013 3.04.00
之后你会发现， tesseract文件夹的内容已经与之前不一样了， 说明我们已经将版本切换到了3.04
继续在命令行中输入
git am --signoff < ../vs2013+64bit_support.patch
这句话是将tesseract-build目录下的vs2013+64bit_support.patch补丁打到tesseract工程内。但这时你会发现又出错了：
git需要知道你是谁。 解决这个问题你需要进入tesseract\git文件夹（这个文件夹默认是隐藏的， 所以你可能需要先显示隐藏文件），修改config文件， 在最下面写上这些内容;
[user]
email = xxx@xx.com
name = xxx
这里写你的GitHub邮箱跟用户名。 注意不要乱填。
填完之后保存， 再执行一次之前的指令， 补丁就可以顺利打上了。
到了这一步， 你离成功已经近在咫尺了。 打开tesseract文件夹， 里面会比之前多出一个vs2013文件夹。 进入文件夹， 打开tesseract.sln工程文件。进入之后不要着急， 先将tesseract设为启动项， 然后进行编译。
编译过程如果出现下面的警告：
解决办法：找到tesseract中的equationdetect.cpp文件，将代码中的：
static const STRING kCharsToEx[] = {"'", "`", "\"", "\\", ",", ".",
"〈", "〉", "《", "》", "」", "「", ""};
改为
static const STRING kCharsToEx[] = { "'", "`", "\"", "\\", ",", ".",
"<", ">", "<<", ">>", "" };
再次编译。 在编译完成后会弹出这样的提示框：
这个
liblept171d.dll在哪呢？在tesseract-build\lib文件夹中。 为了让项目能找到这个文件， 我们把tesseract-build\lib添加到环境变量PATH中。再次编译，成功。然后把调试器切换到DLL_Release， 再次编译， 依然成功！现在你可以在tesseract-build\tesseract\vs2013\bin\Win32\DLL_Debug以及tesseract-build\tesseract\vs2013\bin\Win32\DLL_Release两个文件夹中分别找到对应的exe文件。 它们就是我们的Tesseract执行文件。 也就是说， 源码终于编译成功了！
至此， 整个编译过程就结束了。 一个简单的编译就花费了我这么多的功夫， 我的Tesseract的学习之路还很漫长……
网友评论