此文章為 漢學@博客園 原創作品，轉載請保留版權信息
原文鏈接：https://www.cnblogs.com/c2soft/articles/13194981.html
一、總體思路
各庫之間的依賴關系及使用的工具如下：
之前在 win7 64位 + VS2017 + VCPKG 的環境下很順利地編譯了 tesseract 4.1.1，可是當我想對 tesseract 的源碼做下改動時，發現編譯過程完全被 VCPKG 所接管，沒法重新編譯 tesseract 庫（C語言門外漢，慚愧），於是產生了自己手工編譯 tesseract 的想法。
按照網上的教程，直接使用 cppan 、 cmake 編譯 tesseract 時，總出現找不到 endianness.h 的問題，經多次嘗試，總結出使用 cppan、cmake 生成 leptonica 解決方案，然后使用 cmake-gui 手動生成 tesseract 解決方案的編譯方式。
二、環境准備
編譯環境：Win7 32位，VS2015
將cmake-3.17.3-win32-x86 解壓到 C 盤，cppan.exe 放到 cmake 的 bin 文件夾中，將C:\cmake-3.17.3-win32-x86\bin 添加到 Path 變量中。
三、編譯leptonica
1、 在 c 盤創建storage 文件夾，leptonica的所有依賴庫都將下載到此文件夾中。編輯C:\Users\用戶名\.cppan\cppan.yml，修改storage_dir，使其指向 c:\storage
2、 執行 cppan –V 初始化，將在c:\storage 中創建所需的文件夾結構。
3、 下載leptonica-1.78.0.tar （有網友建議使用1.76版本，說 1.79 版本編譯時只生成 dll，沒有lib。經驗證，1.76, 1.78版本都可以正常編譯。根據leptonica官網上的文檔，偶數版本為穩定版本，因此直接下載1.78，1.79是否有問題未去嘗試），將leptonica-1.78.0 文件夾解壓到 C 盤根目錄下。
4、 在C:\leptonica-1.78.0 下創建 build 文件夾，CMD窗口中執行:
cd C:\leptonica-1.78.0 cppan cd build cmake .. （在build 文件夾中執行 cmake，別少了兩個點點）
C:\leptonica-1.78.0\build 下順利生成 leptonica.sln 解決方案，使用 VS2015 打開它，VS2015->生成->配置管理器->release，先編譯生成cppan-d-b-d，將在C:\storage\bin\020a56a6\Release 下生成pvt.cppan.demo.jpeg-9.2.0.dll 等7個leptonica所需的DLL文件。
5、 再編譯生成 leptonica，結果生成：
C:/leptonica-1.78.0/build/src/Release/leptonica-1.78.0.lib
C:/leptonica-1.78.0/build/src/Release/leptonica-1.78.0.exp
C:\leptonica-1.78.0\build\bin\Release\leptonica-1.78.0.dll
6、 如果想生成兼容XP的文件，需要分別對 cppan-d-b-d 和leptonica 項目設置：常規->平台工具集：v140xp，有鏈接器選項的，還要設置：鏈接器->系統->所需最低版本：5.01
7、 此時C:\leptonica-1.78.0\build\src 下已經生成endianness.h 文件（網上很多編譯的方法都缺少此文件）。
四、編譯tesseract
1、 下載 tesseract ，注意選擇 4.1.1 穩定分支，不要下載 master 版本，master 代碼更新后可能出現其它編譯問題。將tesseract-4.1.1文件夾解壓到C盤根目錄，在tesseract-4.1.1下創建build文件夾。
2、 運行cmake-gui，指定source文件夾到C:\tesseract-4.1.1（必須指定到CMakeLists.txt所在的文件夾），指定 build 文件夾到C:\tesseract-4.1.1\build，點“configure”，將顯示紅色的錯誤信息，需要指定leptonica 文件夾。
3、 根據上面的提示，leptonica 文件夾需要定位到包含 LeptonicaConfig.cmake 或 leptonica-config.cmake 的文件夾，在 leptonica 的文件夾中搜索這兩個文件，找到C:\leptonica-1.78.0\build\LeptonicaConfig.cmake，因此將Leptonica_DIR 指向C:\leptonica-1.78.0\build\，再次 configure 。
4、 又出現新的錯誤，根據提示，是因為下載下來的icu32.zip 的 hash 值與預期的不同，打開C:\tesseract-4.1.1\src\training\CMakeLists.txt，第39行中可以發現下載的網址，到該網站手工下載icu4c-56_1-Win32-msvc10.zip，計算它的MD5值，與期待的一致。
在tesseract文件夾中搜索 icu32.zip（就是MD5值錯誤的文件），將下載的 icu4c-56_1-Win32-msvc10.zip 更名為 icu32.zip 替換剛才搜索到的 icu32.zip，再次configure。
5、 點configure后，結果提示“Configuring incomplete, errors occurred!”，查看提示信息，前后有兩處紅色的錯誤，先解決前面的。
cmake 試圖在 C:/leptonica-1.78.0/build/ 查找 cppan.cmake 文件，可是沒有找到。到 C:/leptonica-1.78.0 中搜索一下 cppan.cmake，在C:\leptonica-1.78.0\build\exports 下發現了這個文件，將其復制到C:/leptonica-1.78.0/build/，再次 configure。
Configuring done！剛才后面還有一處錯誤，現在沒有了。點 generate，Generating done！
C:\tesseract-4.1.1\build下已經生成了tesseract.sln。
6、 用 VS2015 打開tesseract.sln，設置好編譯選項后先生成 libtesseract，出現以下錯誤信息：
查找 allheaders.h，位於C:\leptonica-1.78.0\src下，將C:\leptonica-1.78.0\src加入項目的包含目錄即可。
7、 再次生成，提示“錯誤C1083 無法打開包括文件: endianness.h”，經查找，endianness.h保存在C:\leptonica-1.78.0\build\src 下，該文件夾下面只有config_auto.h、endianness.h兩個頭文件，因為剛才已經把C:\leptonica-1.78.0\src加入了包含目錄，這次不再另添加包含目錄了，將兩個頭文件直接復制到C:\leptonica-1.78.0\src下。
8、 再次生成，提示“錯誤 LNK1181 無法打開輸入文件 pvt.cppan.demo.gif.lib”，因為前面編譯leptonica時生成的lib文件名為C:\storage\lib\020a56a6\Release\pvt.cppan.demo.gif-5.1.4.lib，所以導致這里無法打開輸入文件，在VS中點擊項目的 VC++目錄->庫目錄->編輯，將C:\storage\lib\020a56a6\Release\加入到庫搜索目錄中：
9、 點項目的 鏈接->輸入->依賴附加項->編輯，將pvt.cppan.demo.gif.lib、pvt.cppan.demo.jpeg.lib、pvt.cppan.demo.png.lib、pvt.cppan.demo.tiff.lib、pvt.cppan.demo.webmproject.webp.lib、pvt.cppan.demo.openjpeg.openjp2.lib幾個項目逐一加入leptonica編譯結果的版本號：
再次生成，順利生成
C:/tesseract-4.1.1/build/Release/tesseract41.lib
C:/tesseract-4.1.1/build/Release/tesseract41.exp
C:\tesseract-4.1.1\build\bin\Release\tesseract41.dll
10、編譯生成tesseract，會遇到以上步驟7、8、9的問題，照上面的方法即可解決。也可以跳過第8步，在第9步中加入庫文件的全路徑也可以。
五、改進與提高
1、編譯完 tesseract.exe 后，突然心血來潮，想把全部的 TrainTools 編譯出來，編譯時又遇到了上面步驟 8、9 的問題，需要手工對附加依賴項加入版本號，每編譯一個 traintool 都要修改 6 處，一共 10 多個工具呢！有沒有一勞永逸的方法呢？猜測是因為在編譯 leptonica 時生成的lib文件名為C:\storage\lib\020a56a6\Release\pvt.cppan.demo.gif-5.1.4.lib，而在 tesseract 項目中需要導入的庫為 pvt.cppan.demo.gif.lib，導致二者不一致，那么只要在編譯 leptonica 時生成的 pvt.cppan.demo.gif-5.1.4.lib 不帶版本號，就可以與 tesseract 無縫結合了。
在 leptonica 的文件夾中搜索包含 “pvt.cppan.demo.gif” 的文件，在 C:\leptonica-1.78.0\.cppan\CMakeLists.txt 中找到了線索：
if (CPPAN_USE_CACHE) # pvt.cppan.demo.webmproject.webp-1.0.0 cppan_include("C:/storage/obj/33/8b/7ef3/generate.cmake") # pvt.cppan.demo.jpeg-9.2.0 cppan_include("C:/storage/obj/97/2a/155a/generate.cmake") # pvt.cppan.demo.gif-5.1.4 cppan_include("C:/storage/obj/d6/de/c13d/generate.cmake") # pvt.cppan.demo.tiff-4.0.9 cppan_include("C:/storage/obj/1f/16/f783/generate.cmake") # pvt.cppan.demo.png-1.6.35 cppan_include("C:/storage/obj/44/f1/4690/generate.cmake") # pvt.cppan.demo.openjpeg.openjp2-2.3.0 cppan_include("C:/storage/obj/71/a6/8bbe/generate.cmake") else() # pvt.cppan.demo.webmproject.webp-1.0.0 cppan_include("C:/storage/src/33/8b/7ef3/include.cmake") # pvt.cppan.demo.jpeg-9.2.0 cppan_include("C:/storage/src/97/2a/155a/include.cmake") # pvt.cppan.demo.gif-5.1.4 cppan_include("C:/storage/src/d6/de/c13d/include.cmake") # pvt.cppan.demo.tiff-4.0.9 cppan_include("C:/storage/src/1f/16/f783/include.cmake") # pvt.cppan.demo.png-1.6.35 cppan_include("C:/storage/src/44/f1/4690/include.cmake") # pvt.cppan.demo.openjpeg.openjp2-2.3.0 cppan_include("C:/storage/src/71/a6/8bbe/include.cmake") endif()
原來 gif、png 這些 leptonica 的依賴庫的配置在 c:\storage\src 下，到 c:\storage\src 中搜索包含 “pvt.cppan.demo.gif” 的文件，找到了 C:\storage\src\d6\de\c13d\CMakeLists.txt，其中包含以下代碼：
if (CPPAN_SHORT_LOCAL_NAMES) set_target_properties(${this} PROPERTIES OUTPUT_NAME gif-5.1.4) else() set_target_properties(${this} PROPERTIES OUTPUT_NAME pvt.cppan.demo.gif-5.1.4) // 去掉“-5.1.4”后，只生成 pvt.cppan.demo.gif.lib endif()
試了一下，只要將 OUTPUT_NAME 中的版本號去掉，編譯時生成的 lib 就是沒有版本號了。
在編譯 leptonica 時， 在執行完 cppan 命令，下載好全部依賴庫的源代碼后，先不要執行 cmake，到c:\storage\src 下搜索 “CMakeLists.txt”，一共找到 10 個，在每個文件中查找 “OUTPUT_NAME”，將 OUTPUT_NAME 后面的版本號去掉，然后再執行 cmake，這樣生成的解決方案編譯后就會得到不帶版本號的 lib 文件了，編譯 tesseract 時的步驟 8、9 就可以免去了。
2、在編譯 TrainTools 時還遇到一個問題：就是每編譯一個項目，就要設置包含目錄和庫目錄，能否設置成全局屬性，不再一一設置呢？后來找到了方法：在 VS 中打開 視圖->其他窗口->屬性管理器，在任一項目下找到 Microsoft.Cpp.Win32.user 打開，
對其設置包含目錄和庫目錄后，就是全局性質的設置了，其它項目就不用再逐一設置了。
六、小結
以上記錄的是解決問題的過程，實際在編譯時可以把步驟再優化一些，簡要記錄如下：
- cppan 下載 leptonica 依賴庫的源代碼
- 在 c:\storage\src 下搜索 CMakeLists.txt（一共10個），將其中 OUTPUT_NAME 后面的版本號去掉
- cmake 生成 leptonica 解決方案，VS 編譯之
- 將 C:\leptonica-1.78.0\build\src 中的 config_auto.h、endianness.h 復制到 C:\leptonica-1.78.0\src 中，將 C:\leptonica-1.78.0\build\exports\cppan.cmake 復制到 C:\leptonica-1.78.0\build
- 在 cmake-gui 中設置 leptonica 路徑為 C:\leptonica-1.78.0\build\ ，替換 icu32.zip，生成 tesseract 解決方案
- VS 打開 tesseract 解決方案，全局包含目錄添加 C:\leptonica-1.78.0\src ，全局庫目錄添加 C:\storage\lib\020a56a6\Release，然后就可以逐一編譯了
七、后記
這種編譯方式的優點在於，tesseract 所依賴的其它庫使用 cppan 和 cmake 自動下載源代碼，生成解決方案，全程自動化；而 tesseract 使用手工編譯，如果需要改動其源代碼，可以隨時重新編譯它，比較靈活。將自己編譯的全過程記錄下來，希望對大家有所幫助。
下載 traineddata 的頁面是 https://tesseract-ocr.github.io/tessdoc/Data-Files，不知道為什么下載不下來。
BTW：
我使用 tesseract 對下面的驗證碼圖片
進行識別時遇到了很詭異的問題，本以為這個圖片很清晰，而且沒有做變形處理，tesseract 應該可以輕松識別。可是 tesseract 將其識別為 ZING。開始我以為是 tesseract 使用詞庫對識別結果做了糾正，可是在源代碼中禁用詞庫后，結果仍然是 ZING。
將原圖放大之后觀察，4個字母之間的間隔是1個像素，在 PhotoShop 中將字符間距拉至2像素，tesseract 識別為 Z2NG；將字符間距拉到3像素，又識別為 ZING；當間距拉大到4像素以上時，就完全可以正確識別了。
使用 Tesseract 的multilang_debug_level 參數分別對間距為2像素、3像素的圖片測試，結果如下：
猜想與字符間距有關，可是在參數表里沒找到哪個參數可用，如果哪位網友有辦法解決，歡迎在下方留言指教或者給我發郵件 731805810@qq.com 。