无需写入文件系统即可将 OCR 层添加到现有 PDF答案

【问题标题】：Add OCR layer to existing PDF without the need to write to file system无需写入文件系统即可将 OCR 层添加到现有 PDF
【发布时间】：2020-06-30 22:49:55
【问题描述】：

我正在尝试获取扫描的 PDF 文档并在顶部添加 OCR 层。我可以得到以下代码来实现这一点：

    public void ocrFile(PDDocument pdDocument, File file) throws TesseractException, IOException {
    PDFTextStripper pdfStripper = new PDFTextStripper();
    String text = pdfStripper.getText(pdDocument);

    Tesseract instance = new Tesseract(); // JNA Interface Mapping
    File tessDataFolder = LoadLibs.extractTessResources("tessdata");
    instance.setDatapath(tessDataFolder.getAbsolutePath());

    List<RenderedFormat> list = new ArrayList<RenderedFormat>();
    list.add(RenderedFormat.PDF);

    String outputFileName = FilenameUtils.removeExtension(file.getAbsolutePath());
    instance.createDocuments(file.getAbsolutePath(), outputFileName, list);

}

这会将带有 OCR 层的 PDF 输出到磁盘上的特定位置。我正在尝试更改此设置，以便应用程序不需要将任何文件写入磁盘。不知道能不能做到？

理想情况下，我想用 MultipartFile 更改 ocrFile 的文件输入，并从该方法返回，从而无需涉及文件系统。这可以实现吗？

【问题讨论】：

标签： java tesseract tess4j

【解决方案1】：

不，不能这样做。 Tesseract 的TessResultRenderer API 输出到物理文件，因此需要outputbase 输入参数来指定输出文件的名称。

【讨论】：