问题现象

 最近搞的玩意需要用到文字识别，下载测试tesseract效果是不错的，安装完后直接用cmd命令行测试，没啥问题能正常识别中文：

1
tesseract test.jpg stdout -l chi_sim

 由于在c++项目里要想引用打包，所以就又用vcpkg安装一下，在程序调试时把识别库tessdata放好（可以设置环境变量TESSDATA_PREFIX，或者api->Init函数初始化时声明路径），初始化设置中文库，跑简单官方demo，发现输出结果是乱码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
char* outText;

tesseract::TessBaseAPI* api = new tesseract::TessBaseAPI();

// Initialize tesseract-ocr with English, without specifying tessdata path
if (api->Init(NULL, "chi_sim")) {
    fprintf(stderr, "Could not initialize tesseract.\n");
    exit(1);
}

// Open input image with leptonica library
Pix* image = pixRead(argv[1]);
api->SetImage(image);

// Get OCR result
outText = api->GetUTF8Text();
   
printf("OCR output:\n%s", outText);

 尝试验证几次，搜索后发现原来是cmd的字体编码问题，需要把cmd设置成支持utf8中文字体，添加这个函数使用就输出正常了：
1
2
3
4
// windows 系统下 设置成支持utf8中文显示
void windows_cmd_support_utf8(void) {
    system("chcp 65001 & cls");
}

附录