Самый быстрый способ установить Tesseract на Elastic Beanstalk

Question

В настоящее время я использую Tika для извлечения текста из файлов, загруженных в мое приложение Rails, работающее на AWS Elastic Beanstalk (64-битная версия Amazon Linux 2016.03 v2.1.2 под управлением Ruby 2.2). Я также хочу проиндексировать отсканированные изображения, поэтому мне нужно установить Tesseract.

Я смог заставить его работать, установив его из исходного кода, но это добавило 10 минут для моих развертываний на свежий экземпляр. Есть ли более быстрый способ сделать это?

.ebextensions / 02-tesseract.config

packages:
  yum:
    autoconf: []
    automake: []
    libtool: []
    libpng-devel: []
    libtiff-devel: []
    zlib-devel: []

container_commands:
  01-command:
    command: mkdir -p install
    cwd: /home/ec2-user
  02-command:
    command: cp .ebextensions/scripts/install_tesseract.sh /home/ec2-user/install/
  03-command:
    command: bash install/install_tesseract.sh
    cwd: /home/ec2-user

.ebextensions / скрипты /install_tesseract.sh

#!/usr/bin/env bash

cd_to_install () {
  cd /home/ec2-user/install
}

cd_to () {
  cd /home/ec2-user/install/$1
}

if ! [ -x "$(command -v tesseract)" ]; then
  # Add `usr/local/bin` to PATH
  echo 'pathmunge /usr/local/bin' > /etc/profile.d/usr_local.sh
  chmod +x /etc/profile.d/usr_local.sh

  # Install leptonica
  cd_to_install
  wget http://www.leptonica.org/source/leptonica-1.73.tar.gz
  tar -zxvf leptonica-1.73.tar.gz
  cd_to leptonica-1.73
  ./configure
  make
  make install
  rm -rf /home/ec2-user/install/leptonica-1.73.tar.gz
  rm -rf /home/ec2-user/install/leptonica-1.73

  # Install tesseract ~ the jewel of Odin's treasure room
  cd_to_install
  wget https://github.com/tesseract-ocr/tesseract/archive/3.04.01.tar.gz
  tar -zxvf 3.04.01.tar.gz
  cd_to tesseract-3.04.01
  ./autogen.sh
  ./configure
  make
  make install
  ldconfig
  rm -rf /home/ec2-user/install/3.04.01.tar.gz
  rm -rf /home/ec2-user/install/tesseract-3.04.01

  # Install tessdata
  cd_to_install
  wget https://github.com/tesseract-ocr/tessdata/archive/3.04.00.tar.gz
  tar -zxvf 3.04.00.tar.gz
  cp /home/ec2-user/install/tessdata-3.04.00/eng.* /usr/local/share/tessdata/
  rm -rf /home/ec2-user/install/3.04.00.tar.gz
  rm -rf /home/ec2-user/install/tessdata-3.04.00
fi

Answer 1

Короткий ответ

.ebextensions/02-tesseract.config

commands:
  01-libwebp:
    command: "yum --enablerepo=epel --disablerepo=amzn-main -y install libwebp"
  02-tesseract:
    command: "yum --enablerepo=epel -y install tesseract"

Длинный ответ

Я не знаком с менеджерами пакетов не-Ubuntu или расширениями, поэтому после некоторых копаний я обнаружил, что в Amazon Linux в стабильном репозитории EPEL можно установить предварительно скомпилированные двоичные файлы.

Первым препятствием было выяснить, как использовать репо EPEL. Самый простой способ - это использовать enablerepo вариант на yum команда.

Это приводит нас сюда:

yum --enablerepo=epel install tesseract

Далее мне пришлось устранить эту ошибку зависимости:

[root@ip-10-0-1-193 ec2-user]# yum install --enablerepo=epel tesseract
Loaded plugins: priorities, update-motd, upgrade-helper
951 packages excluded due to repository priority protections
Resolving Dependencies
--> Running transaction check
---> Package tesseract.x86_64 0:3.04.00-3.el6 will be installed
--> Processing Dependency: liblept.so.4()(64bit) for package: tesseract-3.04.00-3.el6.x86_64
--> Running transaction check
---> Package leptonica.x86_64 0:1.72-2.el6 will be installed
--> Processing Dependency: libwebp.so.5()(64bit) for package: leptonica-1.72-2.el6.x86_64
--> Finished Dependency Resolution
Error: Package: leptonica-1.72-2.el6.x86_64 (epel)
           Requires: libwebp.so.5()(64bit)
 You could try using --skip-broken to work around the problem
 You could try running: rpm -Va --nofiles --nodigest

Я нашел решение здесь

Простое добавление репозитория epel не решает проблему, поскольку пакеты в хранилище amzn-main, по-видимому, перекрывают пакеты в репозитории epel. Если пакет libwebp в репозитории amzn-main исключен, он должен работать

У установки Tesseract есть некоторые зависимости, найденные в amzn-main Сделки РЕПО. Вот почему я сначала устанавливаю libwebp с --disablerepo=amzn-main,

yum --enablerepo=epel --disablerepo=amzn-main install libwebp
yum --enablerepo=epel install tesseract

Наконец, вот как вы можете установить пакеты yum на Elastic Beanstalk с опциями:

.ebextensions/02-tesseract.config

commands:
  01-libwebp:
    command: "yum --enablerepo=epel --disablerepo=amzn-main -y install libwebp"
  02-tesseract:
    command: "yum --enablerepo=epel -y install tesseract"

К счастью, это также самый простой способ установить Tesseract на Elastic Beanstalk!