Windows（VS2008） 下 build tesseract

参考：http://www.myexception.cn/vsts/1118613.html

Build 过程：

1. 选定tesseract 主目录，比如 E:\tesseract
2. 在E:\tesseract 下创建子目录 tesseract-svn，从该子目录拉tesseract svn代码：svn checkout http://tesseract-ocr.googlecode.com/svn/trunk/ （tesseract svn相关页面）
3. 从Leptonica  download页面下载 leptonica-1.68-win32-lib-include-dirs.zip
4. 在E:\tesseract 下创建子目录 lib 和 include，将leptonica-1.68-win32-lib-include-dirs.zip 解压后的include 路径下所有文件和子文件夹copy到 E:\tesseract\include 中，将 leptonica-1.68-win32-lib-include-dirs.zip 解压后的lib 路径下所有文件copy到 E:\tesseract\lib 中
5. 打开 E:\tesseract\tesseract-svn\vs2008\tesseract.sln，build libtesseract302 工程（默认是DLL _Debug），在E:\tesseract\tesseract-svn\vs2008\DLL_Debug下会生成libtesseract302d.dll 和libtesseract302d.lib。其他版本，如DLL_Release，做法类似。
6. 在E:\tesseract 下创建子目录tessdata，从这里下载tesseract-ocr-3.02.eng.tar.gz、tesseract-ocr-3.02.chi_sim.tar.gz 和 tesseract-ocr-3.02.chi_tra.tar.gz，将它们都解压到E:\tesseract\tessdata中
7. 添加环境变量 TESSDATA_PREFIX，值为tessdata文件夹的上一级文件夹，即 E:\tesseract

运行：

在E:\tesseract\pic 下创建英文文本截图文件 eng.png
cd E:\tesseract\tesseract-svn\vs2008\LIB_Debug
tesseractd.exe E:\tesseract\pic\eng.png E:\tesseract\pic\eng
会在E:\tesseract\pic 下生成识别出来的文本文件 eng.txt

注意事项：

1）build 过程中，遇到下面的问题
error PRJ0002 : Error result 31 returned from 'C:\Program Files\Microsoft SDKs\Windows\v6.0A\bin\mt.exe'
解决办法：Properties -> Configuration Properties -> Linker -> Manifest File, set Generate Manifest to No

2）VS2008中，可能会遇到 带有中文字符编码的源文件编译报错的问题：ccmain/equationdetect.cpp
1>..\..\ccmain\equationdetect.cpp(251) : warning C4819: The file contains a character that cannot be represented in the current code page (936). Save the file in Unicode format to prevent data loss
1>..\..\ccmain\equationdetect.cpp(251) : error C2146: syntax error : missing '}' before identifier '銆'
1>..\..\ccmain\equationdetect.cpp(251) : error C2146: syntax error : missing ';' before identifier '銆'
1>..\..\ccmain\equationdetect.cpp(251) : error C2065: '銆' : undeclared identifier
1>..\..\ccmain\equationdetect.cpp(251) : error C2146: syntax error : missing ';' before identifier '銆'
1>..\..\ccmain\equationdetect.cpp(251) : error C2065: '銆' : undeclared identifier
1>..\..\ccmain\equationdetect.cpp(251) : error C2146: syntax error : missing ';' before identifier '銆'
1>..\..\ccmain\equationdetect.cpp(251) : error C2065: '銆' : undeclared identifier
1>..\..\ccmain\equationdetect.cpp(251) : error C2143: syntax error : missing ';' before '}'
1>..\..\ccmain\equationdetect.cpp(253) : error C2065: 'kCharsToEx' : undeclared identifier
解决办法：全选编码出错的源文件，在VS2008中，File => Advanced Save Options => Encoding选择“Chinese Simplified (GB2312) - Codepage 936”

3）以下工程只能以LIB_Debug 或LIB_Release方式build，用DLL方式build会出错（tesseract官网有说明）：
ambiguous_words
classifier_tester
cntraining
combine_tessdata
dawg2wordlist
mftraining
shapeclustering
unicharset_extractor
wordlist2dawg

4）运行tesseract的exe时，遇到下面的问题
"The program can't start because liblept168.dll is missing from your computer"
请将E:\tesseract\lib\liblept168.dll 或E:\tesseract\lib\liblept168d.dll copy到tesseract的exe所在目录

5）上面的build过程中，示例的 tesseract目录结构如下：

E:\tesseract\tessdata 下的文件类似：

6）添加了环境变量TESSDATA_PREFIX 之后，如果tesseract.exe还是不能正常工作，请将cmd终端关闭后重新打开，再重试。

7）添加了环境变量TESSDATA_PREFIX 之后，调试tesseract工程时，总是识别失败，结果发现时执行getenv() 函数获取环境变量TESSDATA_PREFIX 值的时候失败了（ln 54）：

解决办法：关闭VC重新打开，再重试