Я пытаюсь выполнить распознавание текста в файле докера, и, поскольку я не смог заставить его работать с Tesseract, я попытался провести рефакторинг, чтобы вместо этого использовать PyMuPdf. Ошибка, которую я получаю, довольно проста:
File "/code/table.py", line 35, in <module>
import fitz
ModuleNotFoundError: No module named 'fitz'
На моем локальном (Windows) компьютере я могу запустить его с кодом, который выглядит так
import fitz
pages = fitz.open(source_path) # open document
for page in pages:
page_data = page.get_textpage_ocr(language='eng', dpi=600, full=True)
<etc>
Однако в Docker точно такой же код не работает.
Соответствующие части моего Dockerfile выглядят так
FROM python:3.10
WORKDIR /code
COPY ./requirements.txt ./
RUN pip install --upgrade pip
RUN pip install --no-cache-dir -r requirements.txt
# install PyMupdf
RUN pip install pymupdf
COPY . .
CMD ["python", "./run.py"]
У меня также есть pymupdf в моем файле требований, но я устанавливаю его отдельно на всякий случай. Сборка образа не дает ошибок и работает как надо.
Соответствующие части Docker-compose.yml
build: .
container_name: ocr
command: python ./run.py
volumes:
- .:/code
- type: bind
source: "C:/Program Files/Tesseract-OCR/tessdata"
target: /code/tessdata
И в моем .env
файле есть ссылка на привязку TESS_DATA_PREFIX='/code/tessdata
Я добавил TESS_DATA_PREFIX
в свои переменные среды, хотя это больше не кажется необходимым, и ошибка возникает задолго до того, как я пытаюсь даже использовать OCR.
Если бы это было так, ни один из моих кодов не работал бы, но он работает. Только pymupdf (fitz) импортируется неправильно. Отличается ли эта конкретная библиотека в этом отношении?
Проблема была связана с тем, что Docker не обновлялся после изменений во время сборки. Удалены все контейнеры и кеш сборки, теперь все работает.
Обновлено: также правильная переменная ENV должна называться TESSDATA_PREFIX
, а не TESS_DATA_PREFIX
. Это была моя следующая ошибка, но после изменения .env
на правильное имя переменной код работает точно так, как настроено выше.
Когда вы сопоставляете свой текущий каталог с
/code
, вы скрываете то, что находится в каталоге на изображении, включая модули, которые вы установили в Dockerfile.