Tesseract OCR 在 Linux 上的 Java 中不起作用答案

【问题标题】：Tesseract OCR not working in Java on LinuxTesseract OCR 在 Linux 上的 Java 中不起作用
【发布时间】：2015-10-12 20:19:50
【问题描述】：

我在我的服务器上部署了一个战争文件，Java 在后端工作。我试图让 Tesseract 在 CentOS 上的 Java 中工作，但它根本行不通。不过，它完美地在我的 Windows localhost 上运行。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 上的 Java 上运行。我在这里有什么遗漏吗？谢谢！

【问题讨论】：

你是什么意思它“只是行不通”？
我的意思是 tesseract 在我的 Windows 程序中工作，在 Linux 的命令行中工作，但它不适用于我的 Linux 项目。我的 Tomcat 日志中没有任何错误，但我猜它在某处捕获异常并跳过此方法的执行。
Tesseract 在你的 Linux 路径上吗？你确定运行Tomcat的用户可以访问并执行它吗？

标签： java linux centos tesseract apache-tika

【解决方案1】：

好的，我发现了我的问题。在 Linux 上，tesseract 文件存储在许多不同的位置（即一些在 etc/tomcat6 中，一些在 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，但我也需要将所有 tesseract 数据文件放在同一位置。进行此更改解决了问题。

【讨论】：