Tesseract-Job：如何解析图像以便从中获取信息

Question

早餐好。

首先。这是我见过的最令人印象深刻的社区！

好几天我沉思着

的三折工作

一个。越来越 湾解析 C。存储多个页面。

两天前，我认为获取页面将是主要任务。不，这不是这种情况 - 我猜解析器工作将是一项英勇的任务。要解析的每个页面都是png图像。

所以问题是 - 在得到它们之后。如何解析他们！？这似乎是个问题。猜猜那里有一些perl-modules - 这可以帮助你做到这一点......

嗯 - 我认为这项工作只能通过嵌入一些OCR来完成！问题：是否有可用于支持此任务的perl模块：

BTW：查看结果页面。

BTW;：并且我认为我可以在一定范围内找到所有790个结果页 Id = 0和Id = 100000我想，我可以采用循环方式：

http://www.foundationfinder.ch/ShowDetails.php?Id=11233&InterfaceLanguage=&Type=Html http://www.foundationfinder.ch/ShowDetails.php?Id=927&InterfaceLanguage=1&Type=Html http://www.foundationfinder.ch/ShowDetails.php?Id=949&InterfaceLanguage=1&Type=Html http://www.foundationfinder.ch/ShowDetails.php?Id=20011&InterfaceLanguage=1&Type=Html http://www.foundationfinder.ch/ShowDetails.php?Id=10579&InterfaceLanguage=1&Type=Html

我以为我可以去Perl-Way，但我不是很确定： 我试图在相同的URL上使用LWP :: UserAgent [见下文] 使用不同的查询参数，我想知道LWP :: UserAgent是否提供了 我们循环查询参数的方式？我不确定LWP :: UserAgent是否有我们这样做的方法。好吧 - 我有时听说使用Mechanize更容易。但它真的更容易吗？？

但是 - 坦率地说; 第一个任务“获取所有页面”并不是很困难 - 如果我们将此任务与解析进行比较...... 如何做到这一点 ！？

任何想法 - 建议 -

期待收到你的来信......

零

Answer 1

您不需要Perl模块，只需要system功能。

system qw[ tesseract.exe foo.png foo.txt ];
my $text = read_file('foo.txt');

您可能需要预处理图像以帮助Tesseract，例如使用ImageMagick：

system qw[ convert.exe -resize 200%   image.jpg foo.png ];