OCRmypdf安装部署深入详解

简介: 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) macOS2) Ubuntu 16.04 LTS3)ArchLinux4)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

1

2

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)

1

2

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

1

2

3

4

5)其他功能配置

pdftotext依赖如下:


yum install poppler-utils

1

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  ./

1

步骤3:源码编译


source venv/bin/activate

1

步骤4:执行安装


cd OCRmyPDF

pip3 install .

1

2

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

1

步骤2: 编译、安装、运行unpaper6.1


# cd unpaper-6.1 && ./configure && make && make install

1

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

1

2

3

4

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

1

2

3

4

或者:


No package 'libavformat' found No package 'libavcodec' found No package 'libavutil' found

1

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

1

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

1

2

3

4

5

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)

相关文章
|
Ubuntu 开发者 Windows
OCRmypdf安装部署深入详解
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。
2491 0
OCRmypdf安装部署深入详解
|
弹性计算 关系型数据库 应用服务中间件
Wordpress 安装部署
简单几个步骤即可使用 ECS、RDS 进行 wordpress 安装,完成内容站点的部署。
178 0
|
并行计算 数据可视化 Linux
FastDeploy 安装部署
FastDeploy 安装部署
1849 0
FastDeploy 安装部署
|
域名解析 JSON 网络协议
freeipa安装部署
freeipa是linux的一个开源的安全解决方案,它提供账户管理和集中认证,类似于微软的AD(active directory)。
3758 0
|
SQL 分布式计算 关系型数据库
安装部署 | 学习笔记
快速学习 安装部署
134 0
安装部署 | 学习笔记
|
关系型数据库 数据库 PostgreSQL
pgAgent安装部署
pgAgent是PostgreSQL的一个job引擎,可以执行数据库job任务。本文简述其安装步骤 一 安装cmake #检查是否安装 [root@bogon ~]# cmake --version cmake version 2.
2595 0
|
Linux Docker 容器
安装部署应用
安装部署应用
107 0
|
jenkins Java 测试技术
jenkins安装部署实战
Jenkins安装部署 1、首先下载Jenkins.war包,官网:https://jenkins.io/download/,这块用的比较老,为了和配管的版本一致。 2、部署好Jdk和Tomcat 3、去apache官网下载maven软件包,部署好maven 4、svn环境,可以参考之前的博客配置web访问svn仓库篇。
1016 0
|
应用服务中间件 调度 nginx
DockerSwarm 集群环境搭建
Docker Swarm 是一个为 IT 运维团队提供集群和调度能力的编排工具。用户可以把集群中所有 Docker Engine 整合进一个「虚拟 Engine」的资源池,通过执行命令与单一的主 Swarm 进行沟通,而不必分别和每个 Docker Engine 沟通。
1406 0
|
关系型数据库 Java MySQL