AWS SageMaker编译Tesseract OCR遇GCC版本与文件系统错误

这是GCC版本兼容性问题：GCC 7.3.1仅对C++17的<filesystem>提供实验性支持，并未将其纳入标准库默认链接，而最新版Tesseract OCR依赖标准的std::filesystem特性，因此编译时出现头文件找不到的错误。

以下是三种可行的解决路径，按优先级推荐：

方案1：升级GCC到8及以上版本（推荐） #

Amazon Linux 2官方源提供了devtoolset工具集，可以快速升级GCC版本：

• 安装devtoolset-8：

  sudo yum install -y devtoolset-8-gcc devtoolset-8-gcc-c++
  

• 临时激活GCC 8环境（当前终端生效）：

  scl enable devtoolset-8 bash
  

  若要永久生效，可将上述命令添加到~/.bashrc文件末尾
• 重新配置并编译Tesseract：

  ./configure --with-leptonica=/usr/local
  make
  sudo make install
  

方案2：修改编译选项适配GCC 7 #

如果不想升级编译器，可强制使用实验性文件系统库：

• 配置环境变量，指定C++17标准并链接实验性文件系统库：

  export CXXFLAGS="-std=c++17 -lstdc++fs"
  

• 重新配置编译Tesseract：

  ./configure --with-leptonica=/usr/local
  make
  sudo make install
  

方案3：安装兼容GCC 7的Tesseract版本 #

最新版Tesseract依赖C++17特性，可选择安装3.05.x或更早的稳定版本，这些版本不依赖<filesystem>：

• 下载3.05.02版本源码：

  wget https://github.com/tesseract-ocr/tesseract/archive/refs/tags/3.05.02.tar.gz
  

• 解压后按常规流程编译安装：

  tar xzf 3.05.02.tar.gz
  cd tesseract-3.05.02
  ./configure --with-leptonica=/usr/local
  make
  sudo make install
  

• 编译完成后，执行以下命令确认Tesseract安装成功：

  tesseract --version
  

• 测试PyMupdf的OCR功能，确保能正常调用新安装的Tesseract

内容的提问来源于stack exchange，提问作者Al Brown