Tess4J -4.0.2- Linux 实践 [解决：Tess4J - Native library (linux-x86-64/libtesseract.so) not found in reso...

Tess4J是Tesseract的Java JNA wrapper。本文介绍了在CentOS 7 操作系统中使用Tess4J的步骤及注意事项。在正式开始之前，先花一点篇幅，对相关的技术作一简要介绍。

一点点背景

Tesseract

Tesseract 是一个著名的开源OCR引擎，支持100多种语言，可以开箱即用。还可以通过训练方式支持更多语言。Tesseract诞生于1984年，来自HP公司，2005年开源。自2006年起，由谷歌接手开发。截止目前，最新的稳定版本是2017年6月1日发布的3.05.01。还有一只比较活跃的基于LSTM（长短期记忆网络，是一种时间递归神经网络）的4.0版本，还在研发中，最新释放的是2018年6月26日的4.0.0-beta.3。Tesseract由C++开发。

站点：

https://github.com/tesseract-ocr/tesseract

Leptonica

Tesseract作为OCR引擎，避免不了使用图像处理。Tesseract使用的图像处理主要由leptonica提供。Leptonica 包含众多图像处理和图像分析相关的功能。

站点：

http://www.leptonica.com/

Java JNA Wrapper

JNA 是 Java Native Access的缩写，顾名思义，是一个实现Java调用操作系统Native应用的库。提起Java本地调用，大家自然联想的JNI，但JNI使用过程十分复杂，会让人望而生畏。JNA则采取更加自然的方式，为Java应用提供调用本地应用的支持。

站点：

https://github.com/java-native-access/jna

Tess4J

Tess4J通过Java JNA Wrapper，提供了Java的Tesseract API，同时还提供了Windows 32bit和64bit的Tesseract的DLL以及一些样例图像。通过Tess4J，可以在Windows下非常便利的通过Java使用Tesseract。对于Linux、MAC等其他操作系统，则需要自行构建Tesseract才可以使用Tess4J。

也就是说，原生的Tess4J并不是跨平台的，仅仅是对Windows开箱即用的。

这也是本文写作的初衷，记录在Linux环境中，使用Tess4J的步骤及淌过的坑。

本文使用的技术版本

为什么要单独强调版本？长期混迹开源坑的同志们一定了解一个事实：大部分的开源项目其质量（功能可用性，文档正确性、更新及时性）相对一般，在圈子里混，必须具备在众多繁杂的信息中去伪存真的能力，在社区里大声疾呼求关注的技巧，极强的动手能力以及百折不挠的精神。。。

对于某些技术问题，谷歌出来的结果中，很大一部分是无效的，会浪费大量的时间，甚至走入歧途。但同众多作者交流后发现，绝大部分这类情况是有文章介绍方案不完整，或者不够严谨导致的。

因此，我认为，作为分享的每一个实践，需要具备可重复操作的基本要求。所以，我会尽量精确的重复我实践过程使用的软件及环境的版本，希望对大家有所帮助。

Tess4J：4.0.2

Tesseract：4.0.0-beta.1

Leptonica：1.76.0

JDK：1.8 Update 102 64bit

运行环境：CentOS 7 （内核：3.10.0-862.3.3.el7.x86_64）64bit

                  GCC：4.8.5

                  Clang：3.4

开发环境：Windows 10 64bit

为何这样选？

这里的坑是，不能根据自己的喜好，使用新版本。我使用过Tesseract 4.0.0-beta.3，但运行JVM会报出Fatal Error最后自行退出，看报出的错误来判断，大概是Tesseract中某些函数签名变化，Tess4J中签名与之不匹配所致。

还记得官方文档（https://github.com/tesseract-ocr/tesseract/wiki）吗？

官方Wiki提到，Linux的so库，可以通过安装预先编译的包，如果按照Wiki操作，便会自动安装最新版本。我也曾经尝试通过yum列表旧版本安装，发现即使所谓的旧版本，也会导致Tess4J运行时报错。（通过yum下载并自动安装的rpm包如下所示）

这里必须根据Tess4J适配的版本来选择。

Tess4J的versionchanges.txt中描述了最近几个版本的变化：

Version 4.0.0 (28 April 2018)
- Upgrade to Tesseract 4.0.0-beta.1 (45bb942)
- Update Lept4J to 1.9.3 (Leptonica 1.75.3)

Version 4.0.1 (2 May 2018)
- Fix a path issue when extracting resources from JAR to temp directory on Windows server

Version 4.0.2 (3 May 2018)
- Replace JNA string constant Platform.RESOURCE_PREFIX
- Update jai-imageio url
- Update Lept4J to 1.9.4

可见，最新版的Tess4J，仅对Tesseract 4.0.0-beta.1进行过适配，因此产生了上面描述的版本组合。鉴于无法确定预先构建的包哪个是从Tesseract 4.0.0-beta.1构建而来，因此只能通过源码自行构建。

构建Tesseract

1 修改yum的Repo

可能是我所在的环境网络非常差，yum默认会使用mirror，但绝大部分mirror连接不上，会导致下载过程在大量无效的mirror尝试中进行，非常浪费时间。

因此，我关闭了yum的fast mirror插件（/etc/yum/pluginconf.d），另外修改了CentOS-Base.repo。

2 安装必备包

1 2 3

yum -y update yum -y  install  libstdc++ autoconf automake libtool autoconf-archive pkg-config  gcc  gcc -c++  make  libjpeg-devel libpng-devel libtiff-devel zlib-devel yum group  install  -y  "Development Tools"

 注意：autoconf-archive 是官方说明中都没有提到的必备组件。

3 下载源码

Leptonica

http://www.leptonica.com/source/leptonica-1.76.0.tar.gz

Tes