Question

我尝试使用tess-two，这是Android的Tesseract工具的一个分支。我想在tesseract中打开hocr输出，从link开始，我尝试将变量tessedit_create_hocr设置为true，但我看不到输出中的特殊值。这是我的尝试：

  baseApi.init(FileUtil.getAppFolder(), "eng", TessBaseAPI.OEM_TESSERACT_CUBE_COMBINED);
  baseApi.setVariable("tessedit_create_hocr", "1")
  baseApi.setImage(bitmap);
  String recognizedText = baseApi.getUTF8Text();

有人告诉hocr输出应该在config文件夹中或在包含图像的文件夹中，但是我没有看到任何内容。任何我不知道如何配置文件名和特定输出的位置。

另一件事：有没有办法将配置文件应用到Android的Tesseract工具？我将配置文件放入 tessdata / config文件夹，但没有任何反应。如何告诉tesseract应该读取这些配置文件？似乎他们没有足够的Android文档。

更新：感谢@nguyenq，现在我可以获得HOCR个数据。这是我的尝试：

  jstring Java_com_googlecode_tesseract_android_TessBaseAPI_nativeGetHOCRText(JNIEnv *env,
                                                                        jobject thiz,    jint page) {

 native_data_t *nat = get_native_data(env, thiz);

 char *text = nat->api.GetHOCRText(page);

 jstring result = env->NewStringUTF(text);

 free(text);

 return result;
 }

Answer 1

显然，tess-two未实现所有TessBaseAPI，因为它不包含对原生GetHOCRText方法的支持。您可能必须自己扩展包装器以访问所需的功能。

配置文件用于命令行执行。或者，您可以通过公开的API方法setVariable设置必要的变量。

在android中导出tesseract OCR的HOCR输出

1 个答案: