OCRmypdf安装部署深入详解

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
参考地址：https://unix.stackexchange.com/questions/79025/install-ghostscript-v-9-05-or-newer-on-centos

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

参考：https://superuser.com/questions/850808/how-to-install-libav-tools-in-centos-6

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