Pruebas unitarias para Tesseract

Requisitos

Archivos y estructura

├── langdata_lstm
│   ├── common.punc
│   ├── common.unicharambigs
│   ├── desired_bigrams.txt
│   ├── eng
│   │   ├── desired_characters
│   │   ├── eng.config
│   │   ├── eng.numbers
│   │   ├── eng.punc
│   │   ├── eng.singles_text
│   │   ├── eng.training_text
│   │   ├── eng.unicharambigs
│   │   ├── eng.wordlist
│   │   └── okfonts.txt
│   ├── extended
│   │   └── extended.config
│   ├── extendedhin
│   │   └── extendedhin.config
│   ├── font_properties
│   ├── forbidden_characters_default
│   ├── hin
│   │   ├── hin.config
│   │   ├── hin.numbers
│   │   ├── hin.punc
│   │   └── hin.wordlist
│   ├── kan
│   │   └── kan.config
│   ├── kor
│   │   └── kor.config
│   ├── osd
│   │   └── osd.unicharset
│   └── radical-stroke.txt
├── tessdata
│   ├── ara.traineddata
│   ├── chi_tra.traineddata
│   ├── eng.traineddata
│   ├── heb.traineddata
│   ├── hin.traineddata
│   ├── jpn.traineddata
│   ├── kmr.traineddata
│   ├── osd.traineddata
│   └── vie.traineddata
├── tessdata_best
│   ├── eng.traineddata
│   ├── fra.traineddata
│   ├── kmr.traineddata
│   └── osd.traineddata
├── tessdata_fast
│   ├── eng.traineddata
│   ├── kmr.traineddata
│   ├── osd.traineddata
│   └── script
│       └── Latin.traineddata
└── tesseract
    ...
    ├── test
    ├── unittest
    │   └── third_party/googletest
    └── VERSION

Fuentes

• Fuentes de Microsoft: arialbi.ttf, times.ttf, verdana.ttf - guía de instalación
• ae_Arab.ttf
• dejavu-fonts: DejaVuSans-ExtraLight.ttf
• Lohit-Hindi.ttf
• UnBatang.ttf

Ejecutar pruebas

CMake

Por defecto, CMake utiliza el submódulo unittest/third_party/googletest:

git submodule update --init unittest/third_party/googletest
cmake -S . -B build -DBUILD_TESTS=ON
cmake --build build
ctest --test-dir build --output-on-failure

Para usar en su lugar un paquete GoogleTest instalado, instale tanto GoogleTest como GoogleMock (por ejemplo, libgtest-dev y libgmock-dev en Debian/Ubuntu) y configure con -DUSE_SYSTEM_GTEST=ON:

cmake -S . -B build -DBUILD_TESTS=ON -DUSE_SYSTEM_GTEST=ON

Si el paquete está instalado fuera de las rutas de búsqueda estándar, añada su prefijo a CMAKE_PREFIX_PATH, o establezca GTest_DIR en el directorio que contiene GTestConfig.cmake. El paquete instalado debe proporcionar los objetivos GTest::gtest_main y GTest::gmock. Con CMake 3.22, utilice un paquete que proporcione GTestConfig.cmake; el descubrimiento de GoogleMock basado en módulos de CMake requiere 3.23 o una versión más reciente.

Esto reemplaza únicamente el framework de pruebas, no los datos de prueba, los modelos de lenguaje, ni las fuentes enumeradas anteriormente. Esos archivos siguen siendo necesarios para las pruebas correspondientes. Cuando se solicitan pruebas pero el framework seleccionado no está disponible, la configuración falla en lugar de omitir las pruebas silenciosamente.

Autotools

Para ejecutar las pruebas, haga lo siguiente en la carpeta tesseract

autoreconf -fiv
git submodule update --init
git clone https://github.com/egorpugin/tessdata tessdata_unittest --depth 1
cp tessdata_unittest/fonts/* test/testing/
mv tessdata_unittest/* ../
export TESSDATA_PREFIX=/prefix/to/path/to/tessdata
make check