Question

从tesseract v3.03 's release note，tesseract现在支持使用可搜索文本呈现PDF输出，但我不知道如何在我的代码中使用此功能。
目前我使用tess-two为我的Android应用程序，然后我只是想知道这个功能可以用于Android吗？

如果你能给我一个使用tesseract api来渲染pdf的例子，那将会很棒，然后我会尝试为tess-two库移植缺少的函数。
在此先感谢。

P / s：我可以看到可以处理渲染pdf输出的pdfrenderer文件，但我不知道如何将它应用于基本api。

更新：这是我的尝试：

 tesseract::TessResultRenderer* renderer = new tesseract::TessPDFRenderer(nat->api.GetDatapath());
__android_log_print(ANDROID_LOG_ERROR, "Test_tesseract", "data path = %s", nat->api.GetDatapath());
if (!nat->api.ProcessPages(c_file_name, NULL, 0, renderer)) {
    __android_log_print(ANDROID_LOG_ERROR, "Test_tesseract", "process page failed");
    delete renderer;
    return;
}

FILE* fout = fopen(c_pdf_file_name, "wb");
if (fout == NULL) {
    __android_log_print(ANDROID_LOG_ERROR, "Test_tesseract", "Cannot create output file %s\n", c_pdf_file_name);
    delete renderer;
    return;
}

const char* data;
int dataLength;

bool boolValue = renderer->GetOutput(&data, &dataLength);
if (boolValue) {
    fwrite(data, 1, dataLength, fout);
    if (fout != stdout)
        fclose(fout);
    else
        clearerr(fout);
}else{
    __android_log_print(ANDROID_LOG_ERROR, "Test_tesseract", "Cannot get output file");
}

delete renderer;

我的代码在ProcessPages方法失败了。写入日志后（我在ndk中调试有问题），我发现pdfrender BeginDocument总是在TessBaseAPI::ProcessPages的{{1}}方法中返回false：

baseapi.cpp

我想念一些事吗？

P / s：我使用if (renderer && !renderer->BeginDocument(kUnknownTitle)) { success = false; }，而tess-two更喜欢baseapi

Answer 1

如下：

TessResultRenderer renderer = api.TessPDFRendererCreate(dataPath);
api.TessBaseAPIProcessPages1(handle, image, null, 0, renderer);
PointerByReference data = new PointerByReference();
IntByReference dataLength = new IntByReference();
api.TessResultRendererGetOutput(renderer, data, dataLength);
byte[] bytes = data.getValue().getByteArray(0, dataLength);
// then write bytes array to a file with PDF extension.

如果您在遵循代码时遇到问题，请查看this post中的渲染器示例。

tesseract v3.03使用可搜索的文本示例呈现PDF

1 个答案: