近日在使用Tesseract4.0時踩了個坑，在識別一張質量較差的圖片時崩潰了。
原圖文字被切成多行，每一行文字調用一次Tesseract識別。在某一次崩了，偶發bug。
Release崩潰截圖如下：
進入Debug模式崩潰截圖如下：
調試發現，是在在某次調用"TessBaseAPIRecognize()" 時崩潰了。
百度搜索"讀取位置0x000000時發生訪問衝突",都說是空指針，野指針的問題。
但實際調試發現"handle"正常，並不是指針問題。
然後根據Release崩潰信息去看源碼，如圖：
斷言在"contains_unichar_id(unichar_id)"，分析這個英文意思：包含字符id 。
這個字符的ID不存在？字符不就是在字庫裏嗎？
換個字庫試試看
github找到Tesseract4.0的字庫，如圖：
其中"4.0.0"與“master”版本字庫都是20多M大小(好像是一樣的)
"4.00"版本字庫30多M
我之前使用的字庫是20多M，那直接換這30多M的字庫試一下。
換掉字庫之後，運行竟然成功了。。。
識別結果如下：
發現第5行有個特殊字符，程序崩潰 。。。。。。
似乎問題就在字庫這了
這不是個坑貨嗎，字庫裏沒有的字就崩潰？
此問題純個人分析，如有不同看法，歡迎交流