在Docker中使用Tesserocr时出现Segmentation fault问题求助

我之前也碰到过类似的tesseract 4.0 alpha版本在老系统环境下的段错误问题，结合你的环境配置和代码情况，给你几个实用的排查和解决方向：

1. 确认tesserocr与tesseract版本的兼容性 #

tesseract 4.0 alpha是早期的测试版本，和较新的tesserocr版本兼容性很差。你可以先查看当前安装的tesserocr版本：

pip show tesserocr

然后安装适配tesseract 4.0 alpha的旧版tesserocr，比如2.2.x系列：

pip install tesserocr==2.2.2

2. 重新编译安装依赖库（适配Ubuntu 14.04） #

Ubuntu 14.04的系统库版本偏旧，可能和tesseract 4.0 alpha依赖的leptonica等库存在兼容性问题，建议手动编译安装对应版本的依赖：

• 先安装编译所需的基础依赖：

apt-get update && apt-get install -y autoconf automake libtool pkg-config libpng12-dev libjpeg8-dev libtiff5-dev zlib1g-dev

• 编译安装leptonica 1.74.4：

wget http://www.leptonica.org/source/leptonica-1.74.4.tar.gz
tar xzf leptonica-1.74.4.tar.gz
cd leptonica-1.74.4
./configure && make && make install

• 编译安装tesseract 4.0 alpha：

wget https://github.com/tesseract-ocr/tesseract/archive/4.0.0-alpha.tar.gz
tar xzf 4.0.0-alpha.tar.gz
cd tesseract-4.0.0-alpha
./configure --with-leptonica=/usr/local/lib
make && make install
ldconfig

3. 排查代码中的参数错误 #

你的代码里api.GetIterator(...)的参数不完整，tesserocr的GetIterator方法需要指定页面迭代器的类型（比如文本行、单词等），正确的写法示例：

from tesserocr import PyTessBaseAPI, RIL
from PIL import Image

x = Image.open('image.jpg')
with PyTessBaseAPI() as api:
    api.SetImage(x)
    # 可以先简化测试，直接获取文本
    print(api.GetUTF8Text())
    # 如果需要迭代器，指定正确的类型
    ri = api.GetIterator(RIL_TEXTLINE)

另外，Recognize()方法在很多场景下是自动触发的，你可以先去掉这行代码，测试是否还会崩溃，逐步定位问题点。

4. 升级Docker基础镜像（最省心的方案） #

Ubuntu 14.04已经停止维护多年，系统库的兼容性问题很难彻底解决。建议直接换成Ubuntu 16.04或更高版本的镜像，比如ubuntu:16.04，在新镜像中重新安装tesseract和tesserocr，能避开很多老版本系统带来的底层bug。

内容的提问来源于stack exchange，提问作者Vatsal Mishra