ubuntu16.04安装编译谷歌tesseract-ocr4.0（最新详细）
ubuntu16.04安装编译谷歌tesseract-ocr4.0（最新详细）
鉴于tesseract-ocr开源较早，然后安装，使用的教程都比较老了，有一些文章里面还有坑，博主也是经过不少文章的坑了。
所以！
本文介绍在linux系统下，使用 python3调用谷歌tesseract-ocr4.0来实现图像/文字识别的过程。
包括安装tesseract-ocr4.0，安装中文字体包，安装leptonica等过程。
环境：
ubuntu 16.04 x64
python 3.5
Leptonica 1.78
tesseract 4.0
（建议不要使用3.05以下版本，很多教程不适用了）
一、apt-get安装方式
如果你使用的是Ubuntu系统：可以自动安装，一键完成（但是版本就不一定是最新的，你可以在后面指定版本==4.0试试。）
sudo apt-get install tesseract-ocr
注意安装产生的文件夹：要可能是tesseract-ocr，也可能是tesseract。
默认都是安装在了/usr/share文件夹下。
自己需要先去确定！！！（我建议源码安装）
二、源码编译安装方式
根据官网所说的，最新的tesseract 4.0 及3.05，需要从Leptonica 源代码编译，而且有版本要求。
版本文档：https://github.com/tesseract-ocr/tesseract/wiki/Compiling#linux
面是3.04.10版本的安装操作方式
1.安装leptonica库
tesseract依赖leptonica库，否则在configure的时候会提示。
源码地址：https://github.com/DanBloomberg/leptonica
请使用Git下载下来，（这都不会还玩啥linux）。然后解压文件夹。（太基础的命令就不写了）
然后进去文件夹，
注意了，这里跟很多老文章不一样了，
如果你发现解压的包下没有 configure 文件，只有 configure.ac文件？
打开终端，ctrl+alt+t，
找到autogen.sh或者是autoconfig.sh，执行它就会产生配置文件。
当然！
这之前，先看看你的系统里面有没有安装automake? 先运行automake看看？
如果提示找不到，那么请先安装。
安装：sudo apt insatll aleptonicautomake
安装成功automake以后，
在执行：./autoconf.sh
这样过就会生成很多文章上面写的configure文件了！
然后运行：./configure
开始编译：
编译：make -j8 && make install
如果你用的make && make install，报错：
就拆分命令，
先 sudo make
再 sudo make install
即可。
这样就安装好了leptonica库。
2.安装tesseract-ocr4.0
tesseract-ocr4.0下载：
https://github.com/tesseract-ocr/tesseract/releases
选择tar.gz的：
也可以使用git下载：
clone源代码 :
git clone https://github.com/tesseract-ocr/tesseract.git tesseract-ocr
解压：
反正最后得到这么一个文件夹。
再次打开终端，进入目录，依次安装依赖。
cd tesseract-ocr
安装依赖：
sudo apt-get install g++ autoconf automake libtool autoconf-archive pkg-config libpng12-dev libjpeg8-dev libtiff5-dev zlib1g-dev libleptonica-dev -y
整条复制去执行也可以自己独立一条一条执行安装，
在安装训练所需要的库：
sudo apt-get install libicu-dev libpango1.0-dev libcairo2-dev
然后执行：
./autogen.sh
autoreconf -i
./configure
如果报错：
configure: error: Leptonica 1.74 or higher is required. Try to install libleptonica-dev package.3
解决：需要Leptonica 1.74或更高版本。回到第一步去确定你安装的版本。
最终配置完成如图：
然后再执行，继续编译，先编译tesseract，在编译安装 training ：依次执行哟
make
sudo make install
make training
sudo make training-install
sudo ldconfig
整个编译过程完成，这个时候 在命令行中 输入tesseract 就会提示怎么用。
3.安装对应的字体库：
先查看自带的字体库
运行：tesseract --list-langs
如果报错：
Error opening data file /usr/local/share/tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.
Failed loading language 'eng'
Tesseract couldn't load any languages!
List of available languages (0):
图示：
解决：安装对应的字体库。
默认字体库存放地址：/usr/local/share/tessdata，如果你改了位置那么就在你自己的安装路径下。
tesseract/tessdata是一个配置目录可以以此为基础把所有用的语言包放在这里面
首先打开：
看有没有.traineddata后缀的，有就复制到我们的安装路径下去。
如果没有，我们可以下载需要的语言包 https://github.com/tesseract-ocr/tessdata_best ，里面有各种语言包，都是训练好的语言包。
简体中文下载：chi_sim.traineddata ， chi_sim_vert.traineddata
英文包：eng.traineddata。
图示：
下载好的语言包 放在tessdata目录里面。
设置环境变量为： tessdata的目录。
如：
请确保将tessdata_prefix环境变量设置为“tessdata”目录。
终端里面执行
export TESSDATA_PREFIX=/usr/local/share/tessdata
图示：
注意！！！
根据：
指出：
您还可以使用：
导出tessdata_prefix=/some/path/to/tessdata
指向您的tessdata目录：
（例如：如果您的tessdata路径是“/usr/local/share/tessdata”，则必须使用“export TESSDATA_PREFIX=’/usr/local/share/”）
所以：
也可以sudo gedit ~/.bashrc 打开配置文件来手动添加。
使用命令：source ～/.bashrc，让配置的环境马上生效。
4.查看一下字体库：tesseract --list-langs
相关命令：
查看已安装字库，
tesseract --list-langs
字库是所有带有traineddata的文件。
--psm
psm命令指明文本的模式，默认为3。
--oem
定义OCR引擎的模式:
5.使用tesseract-ocr测试：.
输入命令：tesseract /home/app/1.png output -l chi_sim
解释：
识别/home/app/1.png这张图片，内容输出到output.txt 里面，用chi_sim 中文来识别（不用加.traineddata，会默认加）
cat output.txt 可以查看刚才的内容。
自我感觉识别率不是很准。
6.pycharm配置tesseract-ocr：
要在代码写在pycharm里面，然后在里面直接调用来看。
import pytesseract
随便运行，如果在pycharm里面，报错说：找不到字体包！
/usr/local/share/tessdata
这个地方：
修改为改正后的：
错误解决。
下一篇，pycharm里面使用tesseract-ocr4.0实现图像/文字识别。