如何从扫描的照片中选择文本？

Question

我正在编写一个应用程序，您可以使用该应用程序为文本拍照，然后扫描文本并将其传输到变量中。我已经用插件 firebase_ml_vision 做到了，一切正常。

我的问题是我想自己决定从照片中扫描哪些文本。例如，这可以以这样一种方式工作，即自动为每个单词和数字提供一个框架，然后用户点击传输到变量的单词。这也适用于谷歌翻译器（见截图），但不幸的是我还没有找到任何方法......你知道它是如何工作的吗？

Answer 1

firebase-mlkit 的文本识别 API 为 VisionTextBlock、VisionTextLine 和 VisionTextElement 中的每一个返回一个 frame 和 cornerPoints：

https://firebase.google.com/docs/reference/swift/firebasemlvision/api/reference/Classes/VisionTextBlock

它们应该可以帮助您选择单词、行或文本块。