使用 pypdfocr 在 Alfresco 上进行 OCR 文件

Question

我无法使用 pypdfocr 在 Alfresco 上对文件进行 OCR。

大家好，我刚开始使用 Alfresco，但在 Alfresco 中配置和使用 pypdfocr 时遇到了一些困难。

我在 Ubunto 18.04.5 LTS 上安装了 Alfresco，使用的是：

wget https://download.alfresco.com/release/community/201707-build-00028/alfresco-community-installer-201707-linux-x64.bin

我已经完成了所有必要的配置，在各自的文件夹中添加了文件 repo.jar 和 share.jar：

/opt/alfresco-community/modules/platform/simple-ocr-repo-2.3.1.jar
/opt/alfresco-community/modules/share/simple-ocr-share-2.3.1.jar

我在露天添加了属性-global.properties:

# PYPDFOCR
ocr.command = /opt/alfresco-community/scripts/ocr.sh
ocr.output.verbose = true
ocr.output.file.prefix.command =

ocr.extra.commands = -v -l por
ocr.server.os = linux

我创建了上面代码中调用的脚本：

#!/usr/bin/env bash
# set -o xtrace # Uncomment for debugging / troubleshooting
array = ("$ @")
unset "array [$ {# array [@]} - 1]"
/usr/local/bin/pypdfocr "$ {array [@]}"

我安装了这样的依赖项： apt 安装 gcc libjpeg-dev minizip zlib1g-dev python-dev

但是，当我尝试在 Alfresco 中执行 OCR 时，我在 /tomcat/logs/:

中收到以下消息

catalina.out

任何帮助将不胜感激

**** 我尝试通过安装更多依赖项来解决，但是没有用：

apt-get install wget gcc gcc-c ++ make autoconf automake libtool libjpeg-devel libpng-devel libtiff-devel zlib-devel ocaml ImageMagick ImageMagick-devel

我收到以下消息：

E: Unable to locate package gcc-c +
E: Couldn't find any package by regex 'gcc-c +'
E: Unable to locate package libjpeg-devel
E: Unable to locate package libpng-devel
E: Unable to locate package libtiff-devel
E: Unable to locate package zlib-devel
E: Unable to locate package ImageMagick
E: Unable to locate package ImageMagick-devel

Answer 1

看来 ImageMagick and/or poppler-utils 需要安装。

要安装 ImageMagick：https://www.tutorialspoint.com/how-to-install-imagemagick-on-ubuntu 安装 poppler-utils: sudo apt-get install -y poppler-utils

注意：您需要更多依赖项才能使此 ocr 模块正常工作。具体如下：

Tesseract 和 Leptonica：https://medium.com/@jjagadish.in/install-tesseract-3-04-on-centos-7-4573465d8867

以及以下软件包：

epel-release
python-pip
gcc
libjpeg
minizip
zlib
python
ghostscript

安装 pip 后，您需要安装 pypdfocr 和 pyyaml：

pip install pypdfocr
pip install pyyaml

我建议首先使用示例 pdf 让它在命令行中工作：

/opt/alfresco-community/scripts/ocr.sh -v -l por test.pdf test.pdf

使用 pypdfocr 在 Alfresco 上进行 OCR 文件

OCR files on Alfresco using pypdfocr

linux

ocr

alfresco

alfresco-share

alfresco-maven