在 android 中导出 tesseract OCR 的 HOCR 输出答案

【问题标题】：Export HOCR output for tesseract OCR in android在 android 中导出 tesseract OCR 的 HOCR 输出
【发布时间】：2014-01-21 02:58:16
【问题描述】：

我尝试使用tess-two，它是适用于 Android 的 Tesseract 工具的一个分支。我想在 tesseract 中打开hocr 输出，从这个link，我尝试将变量tessedit_create_hocr 设置为true，但我在输出中看不到hocr。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 输出应该在配置文件夹或包含图像的文件夹中，但我什么也没看到。任何我不知道如何配置 hocr 输出的文件名和位置。

另一件事：有没有办法将配置文件应用到适用于 Android 的 Tesseract 工具中？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 应该阅读这些配置文件？看来他们没有足够的文件来支持 android。

更新：感谢@nguyenq，现在我可以得到HOCR 的数据了。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;
 }

【问题讨论】：

标签： android ocr tesseract

【解决方案1】：

显然，tess-two 没有实现所有的TessBaseAPI，因为它不支持原生的GetHOCRText 方法。您可能必须自己扩展包装器才能访问所需的功能。

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。

【讨论】：

谢谢，我试试看。
我认为 tess-two 现在支持 GetHOCRText —— 特别是在 TessBaseAPI.java 的第 729 行定义了 public String getHOCRText(int page)。