Tesseract 3.05及之后版本编译生成动态链接库DLL

https://www.polarxiong.com/archives/Tesseract-3-05%E5%8F%8A%E4%B9%8B%E5%90%8E%E7%89%88%E6%9C%AC%E7%BC%96%E8%AF%91%E7%94%9F%E6%88%90%E5%8A%A8%E6%80%81%E9%93%BE%E6%8E%A5%E5%BA%93DLL.html

概述

按照以前的经验，编译Tesseract 3.05就是去GitHub上找一个已经解决了依赖关系（如Leptonica等）的VS2015解决方案，然后在VS中编译生成？是不是最痛苦的地方就是找不到这样的解决方案，或者在自己的Windows中不能正常编译？

Tesseract官方对3.05和之后版本在Windows下的编译提供了新的方法，只需要简单几步就能万无一失编译出自己想要的libtesseract.dll或者tesseract.exe！下面主要介绍如何在Windows下编译生成32位和64位的动态链接库DLL，即libtesseract305.dll。

本文主要参考Tesseract官方wiki，链接见参考。

背景

编译的最大问题就是如何解决依赖，和创建兼容的解决方案了；Tesseract为我们带来了CPPAN和CMAKE这两个工具来解决这两个问题。查看新的Tesseract源码，你会发现两个不太熟悉的文件cppan.yml和CMakeLists.txt，就是靠的这两个文件！

CPPAN

CPPAN之于C++就像Maven之于Java，如果你用过Maven，想必马上就能明白CPPAN的用处了。CPPAN可以理解为C++的包管理器，包含了众多依赖包，只需要向CPPAN指定依赖包，CPPAN就会帮你下载好需要的依赖包和相关配置。怎么指定？那就是通过cppan.yml文件了。

Tesseract中cppan.yml文件最后面的

dependencies:
  private:
    # tesseract uses leptonica only internally
    # and does not expose its interface to users
    pvt.cppan.demo.leptonica: master

就是指定依赖，这里自然就是Leptonica；后面的master即版本，这里需要最新版，所以直接就是master了。

细心的读者可能会问，那libpng，libtiff等依赖呢？现在只解决了Tesseract对Leptonica的依赖，那Leptonica对libpng等的依赖呢？其实这个也早已解决，去GitHub看看Leptonica的源码，是不是也有熟悉的cppan.yml？看看文件最末尾

dependencies:
  pvt.cppan.demo.gif: 5 # any 5.x.x version
  pvt.cppan.demo.jpeg: "*" # any non branch version
  pvt.cppan.demo.png: 1
  pvt.cppan.demo.tiff: 4
  pvt.cppan.demo.webp: "*" # any non branch version

是不是这些依赖也解决了？

CMake

CMake对于Linux开发者会比较熟悉，但对于Windows还是比较新鲜的吧。CMake的全称是“cross platform make”，简单来说CMake通过读取CMakeLists.txt配置文件，在Linux下就能生成Makefile，而在Windows下，就能生成Visual Studio项目和解决方案，神奇吧？

关于CMake的细节这里就不多说了，只简单说说和本文相关的。CPPAN只是帮我们下载好了依赖，对依赖的配置就是交给CMake了，准确来说，是在CMakeLists.txt中配置的。CMakeLists.txt中指定在解决方案内创建哪些项目，项目间的依赖关系，include哪些文件，VS编译时生成静态库、动态库还是可执行文件；总的来说，就是CMake根据CMakeLists.txt的要求，给你生成指定版本（Visual Studio版本，x86，x64）的Visual Studio解决方案，在Visual Studio中打开就能用。

准备

整个过程除Visual Studio 2015外，还需要一些软件的协助：

• Git（不用也可以，直接下载.zip的Tesseract源码）
• CPPAN（加入PATH）
• CMake（加入PATH）

编译

x86

照着wiki中的来

Bash

git clone https://github.com/tesseract-ocr/tesseract tesseract
cd tesseract
cppan
mkdir build
cd build
cmake ..

这时在build文件夹内就出现了tesseract.sln文件，双击就可以在Visual Studio 2015（Tesseract 3.05要求Visual Studio 2015）内打开解决方案，选择“Debug”或“Release”，然后在解决方案资源管理器中tesseract项目（不是tesseractmain项目）上点击右键，选择“生成”，等待编译完成就会看到输出

3> 正在创建库 C:/test5/tesseract/build/Release/tesseract305.lib 和对象 C:/test5/tesseract/build/Release/tesseract305.exp

3> tesseract.vcxproj -> C:\test5\tesseract\build\bin\Release\tesseract305.dll

========== 全部重新生成: 成功 3 个，失败 0 个，跳过 0 个 ==========

tesseract305.dll生成成功啦！

x64

上面生成的tesseract305.dll只能用于32位版（并不是只能用于32位的Windows，而是需要用到此DLL的环境），如果需要64位版，只需要修改上述x86版的其中一个地方，完整的命令为

Bash

git clone https://github.com/tesseract-ocr/tesseract tesseract
cd tesseract
cppan
mkdir build
cd build
cmake -G "Visual Studio 14 Win64" ..

-G即指定CMake的generator，Visual Studio 14即Visual Studio 2015，Win64即64位。

编译错误“文本后缀无效”

编译时可能会遇到

文本后缀“銆”无效；未找到文文本运算符或文本运算符模板“operator """"銆”

的错误，不要慌，这里只是文件编码问题，由来已久的UTF-8和Windows简体中文版的GB2312问题。双击此错误会跳到出错的文件，这时在Visual Studio菜单栏上点击“文件”->“高级保存选项”，在“编码”下拉框选择“简体中文（GB2312）”，然后“确定”即可。重新编译就没问题啦！

小结

整个过程是不是异常简单？不仅如此，这种方法还不会遇到Tesseract或者依赖库版本过老的问题（因为全都用的master分支）。这里没有详述CMakeLists.txt中的关键语句，如果你感兴趣可以自己去找相关资料。

参考

• Compiling · tesseract-ocr/tesseract Wiki
• DanBloomberg/leptonica: Leptonica.org is an open source site containing software that is broadly useful for image processing and image analysis applications
• cppan/intro.md at master · cppan/cppan
• 解决CMake导致的"模块计算机类型x64与目标计算机类型X86冲突"的问题
• 解决Visual Studio编译错误"文本后缀无效; 未找到文文本运算符或文本运算符模板"