1、OCRmypdf简介
OCRmyPDF使用最好的可用开源OCR引擎Tesseract执行OCR。
OCRmyPDF是一个Python 3包，将OCR图层处理结果添加到PDF。
OCRmyPDF是功能最丰富且经过彻底测试的OCR PDF转换工具。
2、OCRmypdf支持的系统
1） macOS
2） Ubuntu 16.04 LTS
3）ArchLinux
4）Windows
此外，OCRmypdf提供了docker镜像，可以直接下载镜像、使用。
3、centos6.9 下 OCRmypdf源码安装
Centos版本：
[root@bc22c4e1 ~]# cat /etc/issue
CentOS release 6.9 (Final)
3.1 安装前提要求
1）Python > 3.5
[root@bc22c4e1 ~]# python -V
Python 3.5.0
2）pip > 0.9.1
[root@bc22c4e1 ~]# pip -V
pip 9.0.1 from /usr/local/python3/lib/python3.5/site-packages (python 3.5)
3) Python3导入sqlite3成功
4）基础配置
*CentOS/RHEL 6.x*
# yum install gcc python-devel python-setuptools
# easy_install pip
# pip install fabric
5）其他功能配置
pdftotext依赖如下：
yum install poppler-utils
3.2 具体安装步骤
步骤1：下载git源文件。
git clone -b master https://github.com/jbarlow83/OCRmyPDF.git
步骤2：设置环境
python3 -m venv ./
步骤3：源码编译
source venv/bin/activate
步骤4：执行安装
cd OCRmyPDF
pip3 install .
4、OCRmyPDF安装中遇到的错误及解决方案
问题1：gs版本低。
错误如下：
Running setup.py install for ocrmypdf … error
Complete output from command /usr/local/bin/python -u -c “import setuptools, tokenize;file=’/tmp/pip-lio4mtqk-build/setup.py’;f=getattr(tokenize, ‘open’, open)(file);code=f.read().replace(‘\r\n’, ‘\n’);f.close();exec(compile(code, file, ‘exec’))” install –record /tmp/pip-qnapqha6-record/install-record.txt –single-version-externally-managed –compile:
Checking for tesseract >= 3.04…
Found tesseract 3.04.00
Checking for gs >= 9.15..
解决方案：
curl -O http://downloads.ghostscript.com/public/ghostscript-9.14.tar.gz &&
tar -xzf ghostscript-9.14.tar.gz &&
cd ghostscript-9.14 &&
./configure &&
make install &&
make so &&
cp ghostscript-9.14/sobin/libgs.so.9.14 /usr/lib &&
ln -s /usr/lib/libgs.so.9.14 /usr/lib/libgs.so &&
mkdir -p /etc/ld.so.conf.d/ &&
echo “/usr/lib/libgs.so” > /etc/ld.so.conf.d/libgs.conf &&
ldconfig &&
echo “Installing ghostscript finish” &&
gs
###问题2：unpaper没有正确安装的错误提示。
解决方案：
步骤1：下载6.1版本unpaper
cd /var/bin && wget https://www.flameeyes.eu/files/unpaper-6.1.tar.xz && tar -xvf unpaper-6.1.tar.xz
步骤2: 编译、安装、运行unpaper6.1
cd unpaper-6.1 && ./configure && make && make install
参考地址：https://github.com/Flameeyes/unpaper/issues/44
###问题3：qpdf没有安装错误提示。
解决方案：
qpdf编译、安装、运行。
./configure
make
make install
参考：https://github.com/qpdf/qpdf
###问题4：
configure: error: Package requirements (libavformat libavcodec libavutil) were not met:
No package 'libavformat' found
No package 'libavcodec' found
No package 'libavutil' found
或者：
No package 'libavformat' found No package 'libavcodec' found No package 'libavutil' found
解决方案：
步骤1：安装依赖。
yum install libvorbis yasm freetype zlib bzip2 faac lame speex libvpx libogg libtheora x264 XviD openjpeg15 opencore-amr
步骤2：下载&安装
wget https://www.libav.org/releases/libav-10.5.tar.gz
tar xvf libav-10.5.tar.gz
cd libav-10.5
/configure –extra-cflags=-I/opt/local/include –extra-ldflags=-L/opt/local/lib –enable-gpl –enable-version3 –enable-libvpx
make
make install
问题5：”No package ‘libffi’ found” error during pip install
解决方案：
yum search ffi | grep python
yum install python-cffi
yum install libffi-devel
pip install –upgrade cffi
参考：https://github.com/Kozea/cairocffi/issues/14
##5、安装成功标志。
ages (from reportlab>=3.3.0->ocrmypdf==5.2.post0+g3a7c341.d20170710)
Requirement already satisfied: pycparser in /home/centos001/lib/python3.5/site-packages (from cffi>=1.9.1->ocrmypdf==5.2.post0+g3a7c341.d20170710)
Installing collected packages: ocrmypdf
Running setup.py install for ocrmypdf ... done
Successfully installed ocrmypdf-5.2.post0+g3a7c341.d20170710
```
参考
python3、pip3安装参考 ：http://www.jianshu.com/p/6199b5c26725
sqlite3安装参考：http://www.cnblogs.com/greentomlee/p/6561509.html
小结
事件出真知，有问题就努力一个个排查问题，直到全部解决。（耗时2天）
作者：铭毅天下
转载请标明出处，原文地址：
http://blog.csdn.net/laoyang360/article/details/77141977
