【发布时间】：2020-09-14 07:46:18
【问题描述】：
我在 Heroku 上托管了一个应用程序。我试图从各种 PDF 中提取文本。我目前正在为此使用tesseract。
既然 Heroku 没有提供那么多存储空间，而且 .traineddata 文件很大（需要全部使用），是否有可能以某种方式将 tessdata 语言数据存储在 S3 上？我还没有找到任何解决方案。
我能找到的只是我可以定义--tessdata-dir PATH，但那是一个目录。
【问题讨论】：
【发布时间】：2020-09-14 07:46:18
【问题描述】：
遗憾的是，如果您不能使所有数据都适合 heroku slug，我不确定 Heroku 是否适合您的需求。即使你可以让它工作，它也会对性能造成很大的影响。
您最好将 Tesseract 设置为具有自己服务器的 API，然后从 heroku 向该 API 发送您需要的任何内容（或移动整个应用程序）。根据您的应用程序其余部分的大小以及 Tesseract 的大小增长速度，这可能只是意味着 Tesseract 拥有自己的 Heroku 应用程序，且依赖项绝对最低，或者可能意味着将应用程序的该部分移动到 AWS 或其他地方。
【讨论】：
-
感谢您的回答，我确实设法找到了一些解决方案，尽管它们并不完全简单。一种解决方案是将文件存储在数据库中，并根据给定操作所需的语言从数据库中提取文件，有点像本地缓存。缓存应该保持相对较小的大小，定期清理很少使用的语言。还有一个和你说的差不多。
-
是的，我正在考虑建议一个数据库，但我不确定在开发时间方面的成本/收益是否存在。话又说回来，这两种解决方案似乎都不是很简单，但是是的，这是我能看到的唯一两种解决方案，只是决定不提数据库，我不确定它是否实际可行/实用。 API绝对是可以做到的方法，所以我就用了。