tesseract.js-core

tesseract.js 的核心部分，将原始 tesseract 从 C 语言编译为 JavaScript WebAssembly。

编译

要自行构建 tesseract-core.js，请安装 docker 并运行：

bash build-with-docker.sh

生成的文件将存储在根路径中。编译时，有时会由于竞争条件而出现错误（某些依赖项似乎无法正确并行编译）。重新运行通常可以解决问题。

结构

1. 构建脚本位于 build-scripts 文件夹中
2. JavaScript/包装器文件位于 javascript 文件夹中
3. 所有依赖项（包括 Tesseract）都在 third_party 文件夹中
   1. 除 Tesseract 外，所有依赖项均未修改，Tesseract 使用了一个 fork 版本的仓库
   2. Tesseract 仓库有以下变更：
      1. 修改了 CMakeLists.txt 以使用 emscripten 构建
      2. 修改了 ltrresultiterator.h 和 ltrresultiterator.cpp 以添加 WordChoiceIterator 类
      3. 添加了 src/arch_see 文件夹，用于支持 SIMD 的构建
         1. 这里硬编码了 SSE 函数的使用
      4. 在 src/textord/colfind.cpp 中注释掉了 "Empty page!!" 消息，以防止其打印到控制台
      5. 添加了检测页面角度和应用旋转的功能
         1. 修改了 src/ccmain/thresholder.cpp、src/ccmain/thresholder.h、src/api/baseapi.cpp 和 include/tesseract/baseapi.h，添加了 exif 和 angle 参数用于旋转图像
         2. 在 baseapi.h 中将 FindLines 从 "protected" 改为 "public"，以便暴露给 JavaScript
            1. 允许在不执行后续不必要步骤的情况下检测行（从而检测页面角度）
         3. 在 baseapi.h 和 baseapi.cpp 中添加了公共 GetGradient 函数，用于报告页面角度
            1. 还需要对 src/ccmain/tesseractclass.h、src/ccmain/pagesegmain.cpp、src/textord/textord.cpp 和 src/textord/textord.h 进行小幅修改
               1. 参见此提交：https://github.com/Balearica/tesseract/commit/db6951f655263878f6344380a5ddb95e678d7c09
      6. 在 baseapi.h 和 baseapi.cpp 中添加了 WriteImage 函数，用于保存图像（原始、灰度和二值）
      7. 在 baseapi.h 和 baseapi.cpp 中添加了 SaveParameters 和 RestoreParameters 函数，用于保存和恢复参数
      8. 在 src/ccmain/control.cpp 中添加了对 EM_ASM_ARGS 的调用，用于进度日志记录（并添加了 <emscripten.h> 头文件）
      9. 重写了 src/ccutil/tprintf.cpp 中的 tprintf 函数，以强制刷新
      10. 在 src/api/baseapi.cpp 和 include/tesseract/baseapi.h 中添加了新版本的 SetImage，用于从文件系统读取图像
          1. 这是为了解决内存泄漏问题 —— 参见此问题
      11. 编辑了 src/ccutil/params.cpp 中的 ParamUtils::PrintParams，删除了描述文本（解决了一个 bug）
          1. 该 bug 在这个 Git Issue 中被报告，如果在未来版本的 Tesseract 中得到解决，我们可以删除这一点
      12. 编辑了 src/ccmain/tessedit.cpp，将错误日志保存到单独的文件（/debugDev.txt）

运行最小示例

要运行浏览器示例，请在仓库根目录启动一个 Web 服务器（例如运行 http-server）。然后在浏览器中导航到 examples/web/minimal/ 中的页面。

要运行 Node 示例，请导航到 examples/node/minimal/ 目录，然后运行如 node index.wasm.js [input_file]。

"基准测试"示例的行为类似，只是运行时间更长，并报告运行时间而不是识别文本。所有其他示例都是实验性的，不应期望能够运行。

贡献

由于我们使用 git-submodule 来管理依赖项，请在克隆仓库时记得添加递归选项：

git clone --recursive https://github.com/naptha/tesseract.js-core