Question

我使用Tes4j从图像pdf中提取文本。这里涉及两个步骤： 1）将pdf转换为图像：

PdfUtilities.convertPdf2Png(inputfilepath);

这没有任何问题。 2）从图像中提取文本：

try {
if(imgName.endsWith(".png")){
            ITesseract instance = new Tesseract(); 
            instance.setDatapath("tessdataPath");
            extractedData= instance.doOCR(Image);
            }
            catch(Exception e2){
                System.out.println("exception:"+e2.getMessage());
            }
        }
    }

执行此操作时，我会获得特定图像文件的异常。

Exception in thread "main" java.lang.Error: Invalid memory access
    at com.sun.jna.Native.invokePointer(Native Method)
    at com.sun.jna.Function.invokePointer(Function.java:470)
    at com.sun.jna.Function.invoke(Function.java:404)
    at com.sun.jna.Function.invoke(Function.java:315)
    at com.sun.jna.Library$Handler.invoke(Library.java:212)
    at com.sun.proxy.$Proxy1.TessBaseAPIGetUTF8Text(Unknown Source)
    at net.sourceforge.tess4j.Tesseract.getOCRText(Unknown Source)
    at net.sourceforge.tess4j.Tesseract.doOCR(Unknown Source)
    at net.sourceforge.tess4j.Tesseract.doOCR(Unknown Source)
    at net.sourceforge.tess4j.Tesseract.doOCR(Unknown Source)
    at com.tcs.textExtraction.ImgToText.imagetoText(ImgToText.java:109)
    at com.tcs.textExtraction.ImgToText.main(ImgToText.java:31)
split_pt >0 && split_pt < word->chopped_word->NumBlobs():Error:Assert failed:in file ..\..\ccmain\tfacepp.cpp, line 186

我已经包括以下罐子： jna.jar，log4j的-1.2.17.jar，PDFBOX-1.8.13.jar，tess4j.jar，共享记录-1.1.3.jar，fontbox-1.8.13.jar，ghost4j-0.5.1.jar， iText的 - 2.1.7.jar，jai_imageio.jar 我的tessdata有以下文件： pdf.ttf，pdf.ttx，eng.traineddata，osd.traineddata

无效的内存访问使用tes4j提取文本时出现异常

0 个答案: