我想将 OCR 功能添加到我在 Heroku 上运行的 Django 应用程序中。我怀疑最简单的方法是使用Tesseract。我注意到 Tesseract 的 API 有许多 python 包装器,但是在 Heroku 上安装和运行 Tesseract 的最佳方法是什么?也许通过像heroku-buildpack-tesseract这样的自定义构建包?
问问题
2173 次
2 回答
1
我将尝试记录一些关于我到达这里的解决方案的笔记。
我的.buildpacks
文件:
https://github.com/heroku/heroku-buildpack-python
https://github.com/clearideas/heroku-buildpack-ghostscript
https://github.com/marcolinux/heroku-buildpack-libraries
我的.buildpacks_bin_download
文件:
tesseract-ocr https://s3.amazonaws.com/tesseract-ocr/heroku/tesseract-ocr-3.02.02.tar.gz 3.02 eng,spa
这是对pdf文件进行OCRing的关键python:
# Additional processing
document_path = Path(str(document.attachment_file))
if document_path.ext == '.pdf':
working_path = Path('temp', document.directory)
working_path.mkdir(parents=True)
input_path = Path(working_path, name)
input_path.write_file(document.attachment_file.read(), 'w')
rb = ReadBot()
args = [
'VBEZ',
# '-sDEVICE=tiffg4',
'-sDEVICE=pnggray',
'-dNOPAUSE',
'-r600x600',
'-sOutputFile=' + str(working_path) + '/page-%00d.png',
str(input_path)
]
ghostscript.Ghostscript(*args)
image_paths = working_path.listdir(pattern='*.png')
txt = ''
for image_path in image_paths:
ocrtext = rb.interpret(str(image_path))
txt = txt + ocrtext
document.notes = txt
document.save()
working_path.rmtree()
于 2013-11-17T23:10:38.190 回答
0
Heroku、Django 和 tesseract
该文档将引导您在 Heroku 上设置 tesseract(我使用的是 django)脚步
1) 使用以下命令添加 heroku-apt-buildpack:这是稳定版。查看源存储库
$ heroku buildpacks:add --index 1 heroku-community/apt
2)将Aptfile添加到项目目录
`
$ touch Aptfile
3) 将以下内容添加到 Aptfile
tesseract-ocr-eng 是 tesseract 的英文文件。
tesseract-ocr
tesseract-ocr-eng
4) 获取tesseract-ocr-eng包下载的数据的路径
我们将使用此路径进行下一步
$ heroku run bash
$ find -iname tessdata # this will give us the path we need
您现在可以退出 heroku shellexit
find -iname tessdata
将名为 TESSDATA_PREFIX 的 heroku 配置变量设置为从上面的 cmnd返回的路径
$ heroku config:set TESSDATA_PREFIX=./.apt/usr/share/tesseract-ocr/4.00/tessdata
现在设置 heroku 将一个名为 TESSDATA_PREFIX 的 heroku 配置变量设置为从 find -iname tessdata 返回的路径
6)将更改推送到heroku将名为 TESSDATA_PREFIX 的 heroku 配置变量设置为从上面的 find -iname tessdata cmnd 返回的路径
$ git push heroku master
我希望这有帮助。请让我知道这对你有没有用。
于 2019-07-26T22:29:34.707 回答