tesseract .net 中使用历程

最近在看文字识别的实例，也查询很多文章，最后还是选定开源的引擎（tesseract3.0.1）

最开始找到的是用微软Office的一个组件实现的，个人感觉不是我想要的（要开源啊才是王道）

http://www.cnblogs.com/vipstone/archive/2011/10/08/2202397.html

后面在开源中图看到了开源项目：

http://www.oschina.net/news/40027/6-opensource-ocr-tools

找到了（tesseract ）看到学是google开源的还排到第一个于是就找Demo

是有找到而但总是出了些问题，还加上自己有点晕控制台，就没有太在意所出的是什么错，再者就是自己暂时不需要于是就放下了

今天有空就再来拾起看看！

第一步：在stackoverflow 上找到了

http://stackoverflow.com/questions/15659278/tesseract-3-0-ocr-net-4-0-wrapper

有用的内容如下：

There is now a NuGet Package for the .NET wrapper of charlesw with precompiled versions for all runtimes

The project is on:

Is very important to install Visual Studio 2012 Runtimes on the client machines

于是我就去在github上下载下来，发现以前也下过，没关系再下一次就可以了

下载下来打整了几下，我机子报打不到这两个dll（msvcr120.dll，msvcp120.dll）,没关系其他机子上都拷到system32 下就好了！

读取英文没有问题，那我们来读中方吧，

还是在stackoverflow下来找到

http://stackoverflow.com/questions/16581626/chinese-character-recognition-using-tesseract-ocr/16582777#16582777

You need to download chinese trained data (it will be a file like chi_sim.traineddata) and add it to your tessdata folder.

and use like this

Tesseract* tesseract= [[Tesseract alloc] initWithDataPath:@"tessdata" language:@"chi_sim"];

if you have any problem you can download my experiment with tessaract (with chinese language support) from https://github.com/aryansbtloe/ExperimentWithTesseract.git

I have tested this one...Hope you will find this useful.

虽然后他说的是C++中，但语言包应该是一样的，而且以前我也翻墙下过简体中文的，也也可以下他提供的github下去下。

各位我用的是Tesseract.ConsoleDemo这个项目来做测试，于是把chi_sim.traineddata文件拷到tessdata这个下面，

Program.cs中将

using (var engine = new TesseractEngine(@"./tessdata", "eng", EngineMode.Default))

改为：

using (var engine = new TesseractEngine(@"./tessdata", "chi_sim", EngineMode.Default))

运行报错了。上次实际都做到这一步了，就是舍不得多走一步，看到一个什么意思，

http://blog.csdn.net/dragoo1/article/details/7961669

简单就是说把tessdata拷贝到exe的所在目录，或者设置TESSDATA_PREFIX环境变量

在bin/debug/tessdata/看了一下，果然后没有chi_sim.traineddata

于把在vs中把这个文件改成始终复制，生成再测试，可以了！