Tesseract训练combine_tessdata报错：缺少unicharset或lstm文件

• 环境：Ubuntu 20.04 LTS，Tesseract 4.1.1
• 执行训练第8步命令 combine_tessdata eng. 时触发报错：

traineddata file must contain at least (a unicharset file and inttemp) OR an lstm file

• 当前工作目录已存在 unicharset、eng.inttemp 等文件，但合并操作失败
• 此前执行 mftraining 命令曾出现格式错误，已通过qt-box-editor修正box文件坐标

1. 检查文件完整性与命名 #

• 确认所有训练生成文件（eng.inttemp、eng.normproto、eng.pffmtable、eng.shapetable、unicharset）均在当前目录，且文件名前缀与 combine_tessdata 命令中的 eng. 完全匹配（注意命令末尾的点不能省略）
• 执行以下命令查看文件大小，确保无空文件：

  ls -l eng.* unicharset
  

  若存在大小为0的文件，说明对应训练步骤（如mftraining、cntraining）执行不彻底，需重新运行

2. 重新验证mftraining执行 #

• 重新运行mftraining，确保无报错：

  mftraining -F unicharset -U unicharset -O eng.unicharset eng.tr
  

  若仍有格式错误，补充检查：
  • box文件与对应图片的文件名完全一致（如sample.png对应sample.box）
  • box文件每行格式符合规范：字符 左 下 右 上 页码（坐标原点为图片左下角）
  • 图片需为单通道灰度图，非灰度图可通过以下命令转换：

    convert input.png -type Grayscale output.png
    

3. 补全cntraining步骤 #

Tesseract 4.x训练传统模型需执行cntraining生成配套文件，并完成重命名：

cntraining eng.tr
mv normproto eng.normproto
mv pffmtable eng.pffmtable
mv shapetable eng.shapetable

确保重命名后的eng.normproto、eng.pffmtable、eng.shapetable均存在于当前目录

4. 重新执行合并命令 #

确认所有必要文件齐全后，再次运行：

combine_tessdata eng.

成功时会输出类似信息：

Combined tessdata written to eng.traineddata

内容的提问来源于stack exchange，提问作者sarah w