Tess4j non usa la cartella tessdata

Question

Sto usando tess4j, il wrapper java di Tesseract. Ho anche installato il normale Tesseract. Non sono esattamente sicuro di come debba funzionare tass4j, ma dal momento che viene fornito con una cartella tessdata, posso supporre che inseriresti i file di dati della lingua lì. Tuttavia, tess4j funziona solo se i file di dati della lingua si trovano nella cartella "reale" di tessdata (quella che viene fornita con tesseract, non tess4j). Se rimuovo quella cartella, ricevo questo messaggio di errore:

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. 
# 

Significa questo ho bisogno di avere Tesseract installato per usare tess4j? Perché? Oppure maby mia tess4j tessdata folder è nel posto sbagliato (è attualmente con i miei file .java, i tess4j jars sono in una cartella lib a cui ho impostato un classpath).

Answer 1

Lascia che il tuo TESSDATA_PREFIX environment variable punti alla cartella tessdata del tuo Tess4j.

Di solito si impostare queste variabili durante l'installazione del sistema, ma è forse trovare una soluzione qui: How do I set environment variables from Java?

Devi farlo sul sistema che gestisce la vostra applicazione, perché i tessdata .dll s dipendono da questa variabile ambientale.

Answer 2

TESSDATA_PREFIX la variabile di ambiente, se definita, annullerà tutto, compreso quello impostato da init o setDatapath; ma questo potrebbe cambiare nel prossimo futuro quando un'applicazione può specificare dove si trova la sua cartella .

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

Answer 3

Forse non ha la cartella tessdata nella cartella del progetto principale. Questa cartella non contiene tutte le lingue supportate Tesseract (che contiene i file con .traineddata, .bigrams, .fold, .lm, .nn, .params, .size e .word-freq estensioni) Se non lo avete, attenersi alla seguente procedura:

1. Scarica cartella tessdata-master da github.com/tesseract-ocr/tessdata (da pulsante per il download ZIP)
2. Decomprimere il contenuto del tessdata-master.zip file nella cartella principale del progetto
3. RinominaDa 210 a tessdata
4. Esegui il tuo progetto java e verifica se funziona. Almeno questo funziona per me.

Answer 4

Per coloro che utilizzano Maven e non piace usare le variabili globali, questo funziona per me:

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()); 
} 

trovato here, testata con Maven -> net.sourceforge.tess4j: tess4j: 3.4 .1, anche il link usa il jar 1.4.1