如何解决如何将 tesseract-ocr 与为 Azure Functions 构建的无服务器 Java 应用程序捆绑在一起?
我正在添加 Apache Tika,用于从文档和图像(使用 TikaOcr)中提取文本到基于 AppService 的 Azure Functions 中的现有服务。现在,Apache Tika 需要在本地机器上安装 tesseract。为了克服这个问题,我使用 apt-get 来设置(通过 ssh-ing)到服务器中,但是(据我所知)设置是在基础 AppService 层上执行的。因此,调用并发 OCR 命令确实减慢了我的功能。由于没有 Tesseract 的官方二进制文件,我想知道是否有以下任何可能:
- 将 Tesseract 与我的 Functions 应用程序捆绑在一起
- 使用 Tesseract 构建 docker 映像。
- 使用 tesseract 运行时映像 (tesseract-shadow/tesseract-ocr-re) 构建多容器 docker 应用
我尝试使用 tesseract 和以下 dockerfile 构建 docker 镜像(按照 here 的说明进行操作),但 Apache Tika 无法使用它执行 OCR。
ARG JAVA_VERSION=11
# This image additionally contains function core tools – useful when using custom extensions
#FROM mcr.microsoft.com/azure-functions/java:3.0-java$JAVA_VERSION-core-tools AS installer-env
FROM mcr.microsoft.com/azure-functions/java:3.0-java$JAVA_VERSION-build AS installer-env
RUN apt-get update && apt-get install -y tesseract-ocr
copY . /src/functions-tika-extraction
RUN cd /src/functions-tika-extraction && \
mkdir -p /home/site/wwwroot && \
mvn clean package && \
cd ./target/azure-functions/ && \
cd $(ls -d */|head -n 1) && \
cp -a . /home/site/wwwroot
# This image is ssh enabled
FROM mcr.microsoft.com/azure-functions/java:3.0-java$JAVA_VERSION-appservice
# This image isn't ssh enabled
#FROM mcr.microsoft.com/azure-functions/java:3.0-java$JAVA_VERSION
ENV AzureWebJobsScriptRoot=/home/site/wwwroot \
AzureFunctionsJobHost__Logging__Console__IsEnabled=true
copY --from=installer-env ["/home/site/wwwroot","/home/site/wwwroot"]
我对 Docker 和 Azure 平台还很陌生,所以我可能在这里遗漏了一些东西,但是如何使用 Docker 或任何其他方法让我的 Azure Functions 与 Tesseract 一起工作?
解决方法
在阅读了 docker 文档并了解了一些关于 docker 的基础知识后,我终于可以确定实际上安装了 tesseract,在 Azure AppService 层之下,它以某种方式不允许容器访问它。如果 Tesseract 安装在最上层,则可以通过将其包含在 Dockerfile 的底部来使 Azure Functions 可用,如下所示:
ARG JAVA_VERSION=11
FROM mcr.microsoft.com/azure-functions/java:3.0-java$JAVA_VERSION-build AS installer-env
# remove this line
# RUN apt-get update && apt-get install -y tesseract-ocr
COPY . /src/functions-tika-extraction
RUN cd /src/functions-tika-extraction && \
mkdir -p /home/site/wwwroot && \
mvn clean package && \
cd ./target/azure-functions/ && \
cd $(ls -d */|head -n 1) && \
cp -a . /home/site/wwwroot
# This image is ssh enabled
FROM mcr.microsoft.com/azure-functions/java:3.0-java$JAVA_VERSION-appservice
# add the line here
RUN apt-get update && apt-get install -y tesseract-ocr
ENV AzureWebJobsScriptRoot=/home/site/wwwroot \
AzureFunctionsJobHost__Logging__Console__IsEnabled=true
COPY --from=installer-env ["/home/site/wwwroot","/home/site/wwwroot"]
虽然它确实满足了我将 tesseract-ocr 与 Azure Functions Java 应用程序捆绑在一起的要求,但不幸的是,调用仍然很慢。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。