这（zhè）是chi_sim.traineddata.gz下载，tesseract-ocr中（zhōng）英文（wén）数据（jù）包（bāo）chi_sim.traineddata.gz eng.traineddata.gz.初期Tesseract引擎（qíng）由HP实验室研（yán）发，后来贡献给了开源软件业，后经由Google进行改进。
chi_sim.traineddata.gz我用不了（le）那（nà）么多（duō）字，然后就按官方和（hé）网上（shàng）的资料自（zì）己做了一个识别库，这个库只（zhī）能（néng）识别训练过的文字。速度生成的文件应该跟训练的字数有关的，我（wǒ）实验了几个字，只（zhī）有100多k。 但是发现一个很明显的问题是，默认的识别速（sù）度比较慢。识别四个很明显（xiǎn）的字需要将近两秒。
为什么用（yòng）3.05呢？
从官方文档上看4.0版本（windows版本于2017年1月30号发布）显著的提高了识（shí）别率，同（tóng）时（shí）也加大了性能的消耗（hào）。理论上我是应（yīng）该用4.0。但（dàn）这不是重点。重点是（shì）有（yǒu）windows的版本有诡异（yì）的bug! 花了好久没有解（jiě）决。
不过（guò）还好，4.0支持3.05版本（běn）的所有语法。换而言之，下面的所（suǒ）有内容（róng）在4.0都（dōu）是可以用（yòng）的。
•大多数比较老，有部分内容已经不适用。
•大部（bù）分（fèn）只是就英文的训练进（jìn）行（háng）探（tàn）索，很少针对（duì）中（zhōng）文的训练。
接（jiē）下来尽可（kě）能详细的介（jiè）绍自己tesseract训练中文识别（bié）的经验。
