在Heroku部署含ocrmypdf的Node.js服务器时遇Tesseract断言错误

我在Heroku上部署一个使用OCRmyPDF的Node.js Web服务器，当前使用的Heroku buildpack如下：

• heroku/python
• https://github.com/heroku/heroku-buildpack-apt
• https://github.com/pathwaysmedical/heroku-buildpack-tesseract
• heroku/nodejs

Tesseract运行正常，但OCRmyPDF无法工作。我的requirements.txt文件仅配置了ocrmypdf==13。

执行命令ocrmypdf l.pdf l2.pdf后出现以下错误日志：

Opened a file
Opened a file
Opened a file
Opened a file
Opened a file
Opened a file
Opened a file
Scanning contents: 100%|███████████████████████████████████████████████████████████████████████████
20/20 [00:00<00:00, 381.51page/s]
Start processing 8 pages concurrently
Opened a file
    1 [tesseract] read_params_file: Can't open pdf
    1 [tesseract] read_params_file: Can't open txt
    1 [tesseract] Warning: Invalid resolution 25 dpi. Using 70 instead.
    1 [tesseract] Estimating resolution as 418
    3 [tesseract] read_params_file: Can't open pdf
    3 [tesseract] read_params_file: Can't open txt
    3 [tesseract] Warning: Invalid resolution 25 dpi. Using 70 instead.
    3 [tesseract] Estimating resolution as 215
    2 [tesseract] read_params_file: Can't open pdf
    2 [tesseract] read_params_file: Can't open txt
    2 [tesseract] Warning: Invalid resolution 25 dpi. Using 70 instead.
    2 [tesseract] Estimating resolution as 236
    4 [tesseract] read_params_file: Can't open pdf
    4 [tesseract] read_params_file: Can't open txt
    4 [tesseract] Warning: Invalid resolution 25 dpi. Using 70 instead.
    4 [tesseract] Estimating resolution as 224
    4 [tesseract] contains_unichar_id(unichar_id):Error:Assert failed:in file ../../src/ccutil/unicharset.h, line 509
    6 [tesseract] read_params_file: Can't open pdf
    6 [tesseract] read_params_file: Can't open txt
    6 [tesseract] Warning: Invalid resolution 25 dpi. Using 70 instead.
    6 [tesseract] Estimating resolution as 199
OCR:  20%|█████████████████████████████████████▏                    | 4.0/20.0 [00:05<00:20,  1.30s/page]
SubprocessOutputError

1. 补充Apt依赖包 #

OCRmyPDF依赖Poppler、Tesseract开发库等底层工具，在项目根目录创建Aptfile文件，添加以下内容：

poppler-utils
libtesseract-dev
tesseract-ocr-eng

如果需要其他语言的OCR支持，添加对应语言包，比如tesseract-ocr-chi-sim（简体中文）。

2. 更换Tesseract Buildpack #

你当前使用的第三方buildpack可能版本老旧或缺少必要组件，替换为Heroku官方维护的Tesseract buildpack：

heroku buildpacks:remove https://github.com/pathwaysmedical/heroku-buildpack-tesseract
heroku buildpacks:add https://github.com/heroku/heroku-buildpack-tesseract

该buildpack会安装稳定版Tesseract，并确保语言包路径配置正确。

3. 调整OCRmyPDF执行参数 #

日志中的分辨率警告可能触发Tesseract的断言错误，执行OCR时强制指定dpi，并禁用并发排查冲突：

ocrmypdf --dpi 300 --jobs 1 l.pdf l2.pdf

--dpi 300解决分辨率异常问题，--jobs 1避免多进程并发导致的资源或依赖冲突。

4. 验证依赖版本兼容性 #

OCRmyPDF 13要求Tesseract版本≥4.1.0，在Heroku控制台执行以下命令确认版本：

tesseract --version

如果版本过低，确认buildpack安装的是正确版本，或通过环境变量指定Tesseract版本（部分buildpack支持此配置）。

5. 修正Buildpack顺序 #

确保buildpack按依赖优先级排序：Apt包先安装，再依次是Python、Tesseract、Node.js：

heroku buildpacks:set --index 1 heroku/python
heroku buildpacks:set --index 2 https://github.com/heroku/heroku-buildpack-apt
heroku buildpacks:set --index 3 https://github.com/heroku/heroku-buildpack-tesseract
heroku buildpacks:set --index 4 heroku/nodejs

内容的提问来源于stack exchange，提问作者Vadzim Papkou