使用多处理并行运行多个tesseract实例不返回任何结果

Question

我正在编写一个python脚本，我在其中使用multiproccesing库并行地启动多个tesseract实例。 当我使用多个调用tesseract但顺序使用循环，它的工作。但是，当我尝试并行代码一切看起来不错，但我没有得到任何结果（我等了10分钟）。

在我的代码中，我尝试从原始多页PDF中分离出多个pdf页面。

这里是我的代码：

def processPage(i): 



    nameJPG="converted-"+str(i)+".jpg" 
    nameHocr="converted-"+str(i) 
    p=subprocess.check_call(["tesseract",nameJPG,nameHocr,"-l","eng","hocr"]) 
    print "tesseract did the job for the ",str(i+1),"page" 

pool1=Pool(4) 
    pool1.map(processPage, range(len(pdf.pages))) 

Answer 1

您的代码正在发起一项Pool和退出完成其工作之前。您需要致电close和join。

pool1=Pool(4) 
pool1.map(processPage, range(len(pdf.pages))) 
pool1.close() 
pool1.join() 

或者，您可以等待其结果。

pool1=Pool(4) 
print pool1.map(processPage, range(len(pdf.pages)))