I updated tesseract-ios-lib with a (fake) armv7s slice. There is no need to remove armv7s from build architectures anymore. More informations about this change on my previous post.

Introduction

In my last article about how to compile tesseract for iOS SDK 6, I quickly posted two links to my github repos:

• tesseract-ios: an Objective-C wrapper for tesseract
• tesseract-ios-lib: the tesseract library compiled for iOS (universal armv7/i386 library)

Some comments complained about the lack of guide to install and use this wrapper. I’m going to show you how to build a new iOS project with tesseract, from scratch.

Create the project

Create a simple Single View Application from XCode:

Name it whatever you want:

Project structure

Download tesseract-ios, tesseract-ios-lib, and your language trained data.

Then, open your project folder in Finder, and organise it like this:

Add “tesseract-ios” and “tesseract-ios-lib” in your project by creating groups:

Then, add “tessdata” by reference:

This step is extremely important, double check that you’re adding it by reference or your application will crash.

Project settings

Go to your project configuration, select your target, and click on “Build Settings”. Then, set the C++ compiler to default:

And set the build architecture to “armv7″ (instead of “armv7 armv7s”, as tesseract-ios-lib doesn’t contain an armv7s slice for now):

We’re ready to use tesseract.

Usage

Add an image called “image_sample.jpg” to your project.

Then, in ViewController.m, add #import tesseract.h and put the following lines in -viewDidLoad:

Methods reference is available on the project repo.

You should get the image-extracted text in your console.

Project code

You can download the tutorial source code right here: TesseractSample.

Added instructions to integrate an armv7s slice in liblept.a and libtesseract_all.a.

Update 09/24/12

To make the iOS integration easier, I made a Github repo containing an Objective-C wrapper for Tesseract. It relies on an other repo containing tesseract & leptonica libs. Feel free to improve them !

• Objective-C wrapper: https://github.com/ldiqual/tesseract-ios
• Compiled libraries: https://github.com/ldiqual/tesseract-ios-lib

More informations about these repos on my next article.

Introduction

I had troubles while following the compiling guide from this blog: http://tinsuke.wordpress.com/2011/11/01/how-to-compile-and-use-tesseract-3-01-on-ios-sdk-5/. Some dependencies are missing on a fresh Mountain Lion with Xcode 4.5, and more importantly: the build_dependencies.sh won’t work.

Here is why: Xcode 4.5 and iOS SDK 6.0 don’t support armv6 anymore.

So here are the steps to build tesseract-ocr for iOS SDK 6.0.

Requirements

If you don’t have HomeBrew already, that’s a shame. Run to this website and install it.

Then, install libtool and automake:

You should have installed ‘Command Line Tools’ after the Homebrew installation, but if you forgot: Open Xcode’s preferences, and install them from the ‘Downloads’ tab.

The build process will need libtoolize. Just make a symlink to glibtoolize:

We’re good to go.

Sources and compilation

The steps will more or less follow the tinsuke’s article, except for one thing: the build script.

Get the following sources:

• tesseract: http://code.google.com/p/tesseract-ocr/downloads/detail?name=tesseract-3.01.tar.gz
• leptonica: http://www.leptonica.com/source/leptonica-1.69.tar.gz
• build_dependencies.sh: https://gist.github.com/3763217 (click on “raw” and save it to your computer)

Then, organize your folder with the following structure:

You might want to modify build_dependencies.sh to make LEPTON_LIB and TESSERACT_LIB match the proper folders.

Now, you can build the libraries:

In dependencies/lib/, you’ll find liblept.a and libtesseract_all.a, these are the only libraries you need so you can remove other ones. Both contain armv7 and i386 slices only, but many iOS 5 projects require an armv7s slice.

Just follow this Matt Galloway’s blog post to generate and put an armv7s slice into the libs.

Now you just have to copy dependencies/ in your Xcode Project, and follow my next article on how to use tesseract.

Media-build is just a script that will get the most up-to-date dvb drivers and include them in OpenElec. I don’t think it’s required if your DVB tuner is supported for a longtime by Linux, but let’s include it anyway.

The easy way

As I’m really kind, I built OpenELEC.tv, media-build, and tvheadend for you. Just download these files and go to the “Create SD-card” step.

• OpenELEC (commit 1355da624e) + media-build (commit 425bf0084e)
• tvheadend

The hard way – let’s build this

Create the SD-card

If you’re not coming from the build section, just download OpenElec from the top of this post, and put it in a folder. Then, open a terminal and go to this folder.

Insert your SD card, and extract the archive:

Then, it depends of what you platform is.

Linux

I’m assuming that /dev/sdb is your SDCard device:

OSX

I made a pending Pull Request on Github to handle OSX SDCard installation. As it’s not yet merged to the official OpenELEC repo, you’ll have to go here and save it to ./create_sdcard.

Then, assuming that your SDCard is /dev/disk3:

Tvheadend

Boot your RPi, you should get a beautiful XBMC interface. From your regular computer you should see an openelec shared network folder. Extract the tvheadend archive somewhere on your computer, and move the resulting folder to openelec/downloads/.

On XBMC, go to System -> Settings -> Add-ons -> Install from zip file. Then, select thz tvheadend zip file from Home/downloads/service.multimedia.hts-tvheadend/. You should get an installation confirmation message. Reboot your RPi.

When your RPi is fully started up, navigate to the following link from your computer’s browser:

Then, navigate to Configuration -> TV Adapters and select your adapter in the list. You can now configure your tuner… and watch TV !

• xhtml2pdf: the worst. It has a very bad CSS interpreter and it is pretty impossible to make a clean PDF out from a complex html page.
• WeasyPrint: that’s better. It has its own HTML and CSS2 interpreters, and despite some minor issues it is fairly reliable. However it requires some big dependencies, and I eventually had some memory issues on my webserver.
• wkhtmltopdf with its Django wrapper: for now, the best. It makes use of Webkit to render HTML+CSS+JS(!) pages, I don’t think you can do better. However, it requires QT, and this is big. Well, not the “classical” QT, a patched QT (that’s even worse) that allows to run without an X server. This is what I’m using for now in my projects

We’ll see here how to build wkhtmltopdf and a basic django-wkhtmltopdf usage. These steps has been tested on a Webfaction server (CentOS 6) through SSH.

The easy way

Enter this command and go to the “Post-install” chapter.

It will install wkhtmltopdf in ~/bin with its static libraries.

The hard way – Let’s build this

This is mostly taken from the wkhtmltopdf Wiki, but with some no-shared-libraries webserver specifics. Log on SSH, and let the magic begin.

Create a ~/download folder

Get wkhtmltopdf-qt:

Configure, and build it! It will take some time (about an hour, which is not much as we disabled a lot of features):

Then, download wkhtmltopdf, and build it:

You now have wkhtmltopdf and its static dependencies in ./bin/. Let’s copy them into ~/bin:

Post-installation

We need ~/bin in our $PATH. That’s where django-wkhtmltopdf will look for. Add the following line in your ~/.bashrc.

And source it:

We’re done with wkhtmltopdf, let’s install its Django wrapper.

django-wkhtmltopdf

Go to your django app, and install django-wkhtmltopdf with PIP:

Then, in your view:

Be careful, this last line of code is not documented in the django-wkhtmltopdf’s wiki. It may be subject to changes in future releases. However, that’s the only way I found to get a binary-string instead of a HttpResponse.

That’s all, folks !

However, it has a lot of dependencies and it just can’t fit in a simple python virtual environment. It took me a whole day to install on Webfaction, so I think it would be helpful to show how to do it properly.

These steps has been tested on a Webfaction CentOS 6 server (python2.7), and they should be the same for others Linux systems. If your system is not exactly the same, you might have to install other dependencies manually. Linux From Scratch is your helpful friend in this kind of situation.

Log to ssh, and let the magic begin.

Dependencies

WeasyPrint relies on the following dependencies:

• Pango >= 1.29.3 (with introspection)
• pycairo
• GdkPixbuf >= 2.25 (with introspection, required for images other than PNG)
• PyGObject 3.x

Of course, these dependencies have their own dependencies. It becomes really hard to install all of them by hand, so I made a small shell script to do it automatically. It will install all of them in your home directory (with --prefix=$HOME).

Then, add the following lines to your ~/.bashrc:

And source it:

Virtual environment

As we will install global python libraries, we need a virtual environment that is aware of system packages. If you didn’t create one yet:

If your virtual env is already created:

WeasyPrint

Here we are. Install WeasyPrint using the following lines:

Finally, test it:

If there is an import error, please check that you correctly sourced your ~/.bashrc.

Thanks to Ilias Romanos from the Webfaction Q/A forum for the pyCairo part ! Don’t hesitate to improve the install script on github:gist.

gettext => ugettext

With gettext:

With ugettext:

ugettext or ugettext_lazy ?

Two simple rules:

• Use ugettext_lazy in global scopes (model fields, django settings, everything not wrapped by a function or method, …)
• Use ugettext everywhere else (in views, methods, functions, …)

That’s it !

After following this small tutorial, you’ll be able to do this:

Settings

In urls.py, in urlpatterns, add a reverse name to the media URL:

You can now reverse media files using request.build_absolute_uri(reverse('media', args=['/path/to/media'])).

In settings.py, add django.core.context_processors.request to TEMPLATE_CONTEXT_PROCESSORS.

This context processor allows you to access the request.build_absolute_uri() function from templates:

However, you can’t pass parameters to this function, so you won’t be able to reverse media path to URL. That’s why we need a filter.

Absolute url for a media

The following filter will allow you to build an absolute URL to a media. In templatetags/mytemplatetags.py:

Don’t forget to add a blank __init__.py in templatetags/ or django won’t take your template tag into account.

Un petit coup d’oeil dans le fichier core/email_api.php permet de voir que Mantis prend en compte les erreurs de PHPMailer via les try/catch suivants:

Mais vous l’avez bien compris, MantisBT ne génère pas de message d’erreur (ni de log) si l’envoi du mail n’est pas correctement effectué. Par contre, il laisse le mail dans la BDD pour qu’il puisse être envoyé dès que le système marche à nouveau (voir core/email_queue_api.php).

Pour débugger mon affaire, j’ai donc du insérer une petite ligne de code juste après le catch:

Et là, bingo: Could not instantiate mail function.

Pourtant, j’avais bien vérifié que la fonction mail fonctionnait correctement avec un petit if (mail("toto@test.com", "sujet", "message")) echo "ok";. Chose que je ne savais pas: si PHP est en safe_mode, la fonction mail() est amputée d’un argument:

Fonctions désactivées par le Safe Mode:
mail(): Si le Safe Mode est actif, le 5ème paramètre est désactivé (note : uniquement affecté depuis PHP 4.2.3)

Super.

Il faut donc vérifier que safe_mode = On dans php.ini pour que tout ça marche. Autre solution si votre hébergeur ne vous permet pas d’accéder au fichier de configuration, ajouter php_flag safe_mode off dans votre .htaccess.

Cela montre encore une fois que PHP est totalement imprévisible. Il y a tellement d’endroits où l’on peut écraser les paramètres d’une configuration que l’on ne peut savoir si telle ou telle fonction va marcher. Mais bon, problème résolu !

La génération automatique d’un PDF associé au contenu de votre site présente plusieurs avantages:

• Le PDF est constamment à jour du contenu de votre site
• Le PDF adopte le design de votre site
• C’est totalement la classe

Voici donc un petit aperçu hautement égocentré de ce que vous pourrez faire:

Comme vous l’aurez remarqué, divers détails graphiques comme l’arrière-plan gris ou le ruban bleu ont été effacés afin de proposer une version épurée prête à l’impression.

Pour parvenir à ce résultat, nous allons utiliser un petit logiciel nommé wkpdf associé à une feuille de style spéciale.

La feuille de style

Depuis la version 4 de la norme HTML, il est possible d’inclure une feuille de style en précisant le type de périphérique auquel elle est adressée. On peut ainsi inclure une une feuille de style spécifique aux télévisions:

Il est même possible depuis la version 2 de la norme CSS de déclarer des règles spécifiques à un media directement dans votre feuille de style principale:

Voici la liste des valeurs de l’attribut media:

1
2
3
4
5
6
7
8
9
10
all         Suitable for all devices.

braille     Intended for braille tactile feedback devices.

embossed    Intended for paged braille printers.

handheld    Intended for handheld devices (typically small screen, limited bandwidth).

print       Intended for paged material and for documents viewed on screen in print preview mode.

projection  Intended for projected presentations, for example projectors.

screen      Intended primarily for color computer screens.

speech      Intended for speech synthesizers.

tty         Intended for media using a fixed-pitch character grid (such as teletypes, terminals, or portable devices with limited display capabilities). 

tv          Intended for television-type devices (low resolution, color, limited-scrollability screens, sound available).

Il est à noter que si vous ne précisez pas de media, la valeur de l’attribut est “all” (pour tous les périphériques).
Nous voyons ici que la valeur “print” permet de personnaliser un document destiné à être imprimé, c’est donc celui-ci que nous allons utiliser:

Dans cette feuille de style, supprimons tout ce qui n’est plus nécessaire, par exemple:

Vous pouvez tester ces nouvelles règles en modifiant temporairement l’attribut media de “print” à “all”.

Génération du PDF

Nous allons utiliser wkpdf pour générer notre fichier. Malheureusement ce dernier n’est disponible que sur Mac, mais il existe une alternative multiplateforme, wkhtmltopdf, qui semble fonctionner sur le même principe.

Ces logiciel a un énorme avantage: au lieu de posséder son propre moteur d’interprétation de la structure HTML, il utilise le fameux Webkit (le moteur de rendu de Chrome et Safari, notamment). Le rendu sera donc fidèle à ce que vous pourrez voir dans un navigateur web conventionnel.

Il vous suffit donc d’exécuter wkpdf en ligne de commande:

1
$ wkpdf --source http://monsite.com/ --output cv.pdf --margins 0 --stylesheet-media print --print-background

De plus, si votre site met en place des éléments graphiques à l’aide de Javascript, ajoutez les arguments suivants:

1
--enable-javascript --save-delay [temps_avant_capture_en_secondes]

Vous devriez ainsi obtenir un beau PDF prêt à l’emploi. Il vous faudra sûrement adapter certaines règles CSS pour que tout tienne sur une page, etc…

Bonus: impression directe à partir du site

La feuille de style “media=print” sert également à votre navigateur lors de l’impression d’une page. Néanmoins, certaines limitations sont mises en place par la plupart des navigateurs:

• Les arrières-plans ne sont pas pris en compte. background-color et background-image ne fonctionneront donc pas.
• Le Javascript n’est pas pris en charge, aucune modification ne pourra être faite dynamiquement avant l’impression.

Note concernant le comportement des navigateurs lors de l’impression:

• Aucune référence ou documentation n’est disponible à ce sujet, du moins pour le moment
• Dans certaines versions de Firefox, et sous certains systèmes d’exploitation, il est possible d’activer la prise en charge des arrière-plans (couleur et image) ainsi que le Javascript. Là encore, aucune documentation.
• Internet Explorer propose un event onbeforeprint permettant de modifier le DOM lorsque le navigateur s’apprête à imprimer. Plus d’informations par ici.

Si vous avez des renseignements supplémentaires concernant les différents comportements adoptés par les navigateurs, n’hésitez pas à m’en informer !

Toute l’astuce consistera donc à remplacer les arrières plans par des images (qui elles seront affichées), ou de tenter de mettre en place une sorte de “graceful degradation” afin de simuler certains éléments graphiques. Par exemple, les barres de compétences mises en place sur mon CV ne sont pas pleines lors de leur impression, j’ai donc dû ajouter un border-color pour symboliser les limites de ces dernières.

Et après ?

On peut maintenant aisément imaginer un système qui génèrerait automatiquement votre PDF à chaque modification du site web. Si vous utilisez un système de versioning, aucun soucis. Je vous invite à chercher du côté de pre-commit si vous gérez tout ça avec svn ou git. Il vous suffira de modifier ces hooks en insérant la commande de génération, et d’ajouter au commit le fichier PDF ainsi généré.