有人知道在 Windows 上安装“Image::OCR::Tesseract”模块的优雅方法吗？由于名为“LEOCHARRE::CLI”的仅限 *NIX 的模块依赖项，该模块无法通过 CPAN 在 Windows 上安装。这个模块似乎不需要运行“Image::OCR::Tesseract”本身。
我已经设法使模块工作，首先手动安装 makefile.pl 中列出的依赖模块（“LEOCHARRE::CLI”除外），然后将模块文件移动到“C”下的正确目录结构:\Perl\site\lib\Image\OCR"。让它工作的最后一部分是更改从命令行调用 ImageMagick 和 Tesseract 可执行文件的代码部分，以便在模块调用可执行文件时在程序名称周围加上引号。
这行得通，但我真的觉得通过在 Windows 上运行的存储库在生产系统上安装 PPM 或 CPAN 会感觉更好。
【问题讨论】：
没关系，我知道了，但我无法确定更好的解决方案。
要让安装程序通过传统的“perl makefile.pl、make、make test、make install”例程在 Windows 上运行，需要编辑 Makefile.pl 脚本，包括缺少的 Windows 安装模块（Devel::AssertOS ::MSWin32），并修补 AssertEXE.pm 以使用“File::Which”而不是 Windows 缺少的内置 shell“which”命令。所有这一切仍然需要修补“Image::OCR::Tesseract”以在从命令行执行“convert”和“tesseract”时在程序名称周围加上引号。
考虑到使安装程序在 Windows 上运行所涉及的步骤数量，以及该模块不会为模块创建要链接到的二进制组件这一事实，我会说安装和使 Tesseract 模块正常工作的最佳选择在 windows 上将首先安装以下二进制包：
ImageMagick Link
正方体 http://code.google.com/p/tesseract-ocr/downloads/list
接下来，找到您的 Perl 模块目录 - 在我的系统上它是“C:\Perl\site\lib”。创建一个文件夹“图像”，如果你没有。接下来，打开 Image 文件夹并创建一个名为“OCR”的文件夹。打开 OCR 文件夹。此时，您的路径应该类似于“C:\Perl\site\lib\Image\OCR”。创建一个名为“Tesseract.pm”的新文本文件，并复制以下内容...
package Image::OCR::Tesseract;
use strict;
use Carp;
use Cwd;
use String::ShellQuote 'shell_quote';
use Exporter;
use vars qw(@EXPORT_OK @ISA $VERSION $DEBUG $WHICH_TESSERACT $WHICH_CONVERT %EXPORT_TAGS @TRASH);
@ISA = qw(Exporter);
@EXPORT_OK = qw(get_ocr get_hocr _tesseract convert_8bpp_tif tesseract);
$VERSION = sprintf "%d.%02d", q$Revision: 1.24 $ =~ /(\d+)/g;
%EXPORT_TAGS = ( all => \@EXPORT_OK );
BEGIN {
use File::Which 'which';
$WHICH_TESSERACT = which('tesseract');
$WHICH_CONVERT = which('convert');
if($^O=~m/MSWin/) {
$WHICH_TESSERACT='"'.$WHICH_TESSERACT.'"';
$WHICH_CONVERT='"'.$WHICH_CONVERT.'"';
}
$WHICH_TESSERACT or die("Is tesseract installed? Cannot find bin path to tesseract.");
$WHICH_CONVERT or die("Is convert installed? Cannot find bin path to convert.");
}
END {
scalar @TRASH or return;
if ( $DEBUG ){
print STDERR "Debug on, these are trash files:\n".join("\n",@TRASH) ;
}
else {
unlink @TRASH;
}
}
sub DEBUG { Carp::cluck("Image::OCR::Tesseract::DEBUG() deprecated") }
sub get_hocr {
my ($abs_image,$abs_tmp_dir,$lang)= @_;
-f $abs_image or croak("$abs_image is not a file on disk");
my $hocr="hocr";
if(defined $abs_tmp_dir){
-d $abs_tmp_dir or die("tmp dir arg $abs_tmp_dir not a dir on disk.");
$abs_image=~/([^\/]+)$/ or die("cant match filename in path arg '$abs_image'");
my $abs_copy = "$abs_tmp_dir/$1";
# TODO, what if source and dest are same, i want it to die
require File::Copy;
File::Copy::copy($abs_image, $abs_copy)
or die("cant make copy of $abs_image to $abs_copy, $!");
# change the image to get ocr from to be the copy
$abs_image = $abs_copy;
# since it's a copy. erase that on exit
push @TRASH, $abs_image;
}
my $tmp_tif = convert_8bpp_tif($abs_image);
push @TRASH, $tmp_tif; # for later delete
_tesseract($tmp_tif,$lang,$hocr) || '';
}
sub get_ocr {
my ($abs_image,$abs_tmp_dir,$lang)= @_;
-f $abs_image or croak("$abs_image is not a file on disk");
if(defined $abs_tmp_dir){
-d $abs_tmp_dir or die("tmp dir arg $abs_tmp_dir not a dir on disk.");
$abs_image=~/([^\/]+)$/ or die("cant match filename in path arg '$abs_image'");
my $abs_copy = "$abs_tmp_dir/$1";
# TODO, what if source and dest are same, i want it to die
require File::Copy;
File::Copy::copy($abs_image, $abs_copy)
or die("cant make copy of $abs_image to $abs_copy, $!");
# change the image to get ocr from to be the copy
$abs_image = $abs_copy;
# since it's a copy. erase that on exit
push @TRASH, $abs_image;
}
my $tmp_tif = convert_8bpp_tif($abs_image);
push @TRASH, $tmp_tif; # for later delete
_tesseract($tmp_tif,$lang) || '';
}
sub convert_8bpp_tif {
my ($abs_img,$abs_out) = (shift,shift);
defined $abs_img or die('missing image arg');
$abs_out ||= $abs_img.'.tmp.'.time().(int rand(9000)).'.tif';
my @arg = ( $WHICH_CONVERT, $abs_img, '-compress','none','+matte', $abs_out );
#die (join(" ", @arg));
system(@arg) == 0 or die("convert $abs_img error.. $?");
$DEBUG and warn("made $abs_out 8bpp tiff.");
$abs_out;
}
# people expect tesseract to automatically convert
*tesseract = \&_tesseract;
sub _tesseract {
my ($abs_image,$lang,$hocr) = @_;
defined $abs_image or croak('missing image path arg');
$abs_image=~/\.tif+$/i or warn("Are you sure '$abs_image' is a tif image? This operation may fail.");
#my @arg = (
# $WHICH_TESSERACT, shell_quote($abs_image), shell_quote($abs_image),
# (defined $lang and ('-l', $lang) ), '2>/dev/null'
#);
my $cmd =
( sprintf '%s %s %s',
$WHICH_TESSERACT,
shell_quote($abs_image),
shell_quote($abs_image)
) .
( defined $lang ? " -l $lang" : '' ) .
( defined $hocr ? " hocr" : '' ) .
" 2>/dev/null";
$DEBUG and warn "command: $cmd";
system($cmd); # hard to check ==0
my $txt = $abs_image.($hocr?".html":".txt");
unless( -f $txt ){
Carp::cluck("no text output for image '$abs_image'. (No text file '$txt' found on disk)");
return;
}
$DEBUG and warn "Found text file '$txt'";
my $content = (_slurp($txt) || '');
$DEBUG and warn("content length of text in '$txt' from image '$abs_image' is ". length $content );
push @TRASH, $txt;
$content;
}
sub _slurp {
my $abs = shift;
open(FILE,'<', $abs) or die("can't open file for reading '$abs', $!");
local $/;
my $txt = <FILE>;
close FILE;
$txt;
}
1;
__END__
#sub _force_imgtype {
# my $img = shift;
# my $type = shift;
# my $delete_original = shift;
# $delete_original ||=0;
#
#
# if($img=~/\.$type$/i){
# return $img;
# }
#
# my $img_out= $img;
# $img_out=~s/\.\w{1,5}$/\.$type/ or die("cant get file ext for $img");
#
#
#
#}
保存并关闭。如果您在安装 ImageMagick 和 Tesseract 二进制文件之前打开了一个命令行会话，请关闭命令行会话并打开一个新会话。使用以下脚本测试模块：
use Image::OCR::Tesseract;
my $image = 'SomeImageFileThatContainsText.jpg';
my $text = Image::OCR::Tesseract::get_ocr($image);
print "Text...\n";
print $text."\n";
print "Normal Exit\n";
exit;
就是这样。混乱，我知道，但是模块安装程序确实需要更新以支持 Windows（和其他）系统这一事实没有好的方法，即使实际的模块代码几乎无需修改即可运行。确实，如果将 Tesseract 和 ImageMagick 安装到没有空格的路径，则“Image::OCR::Tesseract”模块代码不需要任何更改，但是这个小调整可以让支持的可执行文件安装在任何地方，包括默认位置。
【讨论】：