如何将图像转换器集成到 alfresco答案

【问题标题】：how to integrate an image trasformer to alfresco如何将图像转换器集成到 alfresco
【发布时间】：2016-02-19 14:33:23
【问题描述】：

我在 Alfresco 中使用了一个 tesseract 转换器，以使 TIFF 图像可搜索。我找到了很多关于这个的教程，我在我的 Alfresco 上试过，但它不起作用。

这里是示例tesseract integration

我正在使用 Alfresco Enterprise v5.0.2

好像transformer没有集成，我上传了tiff图片但是没有搜索到结果。如何检查变压器是否应用？

【问题讨论】：

您是否在代码中添加了一些调试跟踪？你如何检查变压器是否被调用？您还可以设置调试包 org.alfresco.repo.content.transform 的日志记录级别
Alfresco 5.0.2 仅捆绑 Apache Tika 1.6。 Tesseract support was added in Tika in Tika 1.7。所以，你要么需要自己做反向移植，要么让 Alfresco 为你做一个
@Gagravarr 如果我没记错的话，似乎是他使用的是在命令行上执行的外部工具，因此不需要使用嵌入式 Tika。
@MarcoAltieri 我认为 OP 想使用 Alfresco 链接到 Tika，然后使用 Tika 链接到 Tesseract。该 Tika 链接仅在 Tika 1.7 中提供，因此他们需要升级他们的 Tika 版本，或者手动添加一个跳过 Tika 的 Alfresco-Tesseract 转换器
@Gagravarr他关注的那篇文章是2013年写的。我没有检查过那篇文章中描述的解决方案是否正确，但在我看来它只是执行一个批处理命令。

标签： ocr alfresco tesseract

【解决方案1】：

安装测试 OCR：从 (https://code.google.com/p/tesseract-ocr/downloads/list) 下载 tesseract 并通过双击 tesseract-ocr-setup-3.02.02.exe 进行安装。

在系统“C:\Program Files (x86)\Tesseract-OCR”中安装tesseract后，将使用已安装的Tesseract OCR创建路径。

在 ALFRESCO 中进行的更改要添加的文件。 1)OCR.bat2)ocrpng-transform-context.xml3)ocrjpeg-transform-context.xml4)ocrtiff-transform-context.xml5)alfresco-tesseract-search.jar6)ocrtransform.log 1)OCR.bat

REM to see what happens
echo from %1 to %2 >>C:\tmp\ocrtransform.log


copy /Y %1 C:\TMP\%~n1%~x1

REM  call tesseract and redirect output to $TARGET
"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe" C:\TMP\%~n1%~x1 %~d2%~p2%~n2 -l eng
del C:\TMP\%~n1%~x1

此批处理脚本将放置在您的 alfresco 路径“C:\Alfresco”中

此批处理脚本会将上传的文件发送到 Tesseract ocr 进行实际的 OCR，将日志复制到 ocrtransform.log，Tesseract OCR 将内容发送到 alfresco，我们可以更改上述文件中默认给定 eng 的实际语言，我们可以为此提供多种语言。

这些是转换xml将被添加到“C:\Alfresco\tomcat\shared\classes\alfresco\extension”

2)ocrpng-transform-context.xml

<?xml version='1.0' encoding='UTF-8'?>
<!DOCTYPE beans PUBLIC '-//SPRING//DTD BEAN//EN' 'http://www.springframework.org/dtd/spring-beans.dtd'>
<beans default-lazy-init="false" default-autowire="no" default-dependency-check="none">
  <bean id="transformer.worker.ocr.jpeg" class="org.alfresco.repo.content.transform.RuntimeExecutableContentTransformerWorker" lazy-init="default" autowire="default" dependency-check="default">
    <property name="mimetypeService">
      <ref bean="mimetypeService" />
    </property>
    <property name="checkCommand">
      <bean class="org.alfresco.util.exec.RuntimeExec" lazy-init="default" autowire="default" dependency-check="default">
        <property name="commandsAndArguments">
          <map>
            <entry key="Windows.*">
              <list>
                <value>C:\Windows\System32\cmd.exe</value>
  <value>/C</value>
  <value>dir c:\Alfresco\ocr.bat</value>
              </list>
            </entry>
          </map>
        </property>
        <property name="errorCodes">
          <value>1</value>
        </property>
      </bean>
    </property>
    <property name="transformCommand">
      <bean class="org.alfresco.util.exec.RuntimeExec" lazy-init="default" autowire="default" dependency-check="default">
        <property name="commandsAndArguments">
          <map>
            <entry key="Windows.*">
              <list>
                <value>C:\Windows\System32\cmd.exe</value>
  <value>/C</value>
  <value>C:\Alfresco\ocr.bat</value>
                <value>"${source}"</value>
                <value>"${target}"</value>
              </list>
            </entry>
          </map>
        </property>
        <property name="errorCodes">
          <value>1,2</value>
        </property>
      </bean>
    </property>
    <property name="explicitTransformations">
      <list>
        <bean class="org.alfresco.repo.content.transform.ExplictTransformationDetails" lazy-init="default" autowire="default" dependency-check="default">
          <property name="sourceMimetype">
            <value>image/png</value>
          </property>
          <property name="targetMimetype">
            <value>text/plain</value>
          </property>
        </bean>
      </list>
    </property>
  </bean>
  <bean id="transformer.ocr.jpeg" class="org.alfresco.repo.content.transform.ProxyContentTransformer" parent="baseContentTransformer" lazy-init="default" autowire="default" dependency-check="default">
    <property name="worker">
      <ref bean="transformer.worker.ocr.jpeg" />
    </property>
  </bean>
</beans>

3)ocrjpeg-transform-context.xml

<?xml version='1.0' encoding='UTF-8'?>
<!DOCTYPE beans PUBLIC '-//SPRING//DTD BEAN//EN' 'http://www.springframework.org/dtd/spring-beans.dtd'>
<beans default-lazy-init="false" default-autowire="no" default-dependency-check="none">
  <bean id="transformer.worker.ocr.tiff" class="org.alfresco.repo.content.transform.RuntimeExecutableContentTransformerWorker" lazy-init="default" autowire="default" dependency-check="default">
    <property name="mimetypeService">
      <ref bean="mimetypeService" />
    </property>
    <property name="checkCommand">
      <bean class="org.alfresco.util.exec.RuntimeExec" lazy-init="default" autowire="default" dependency-check="default">
        <property name="commandsAndArguments">
          <map>
            <entry key="Windows.*">
              <list>
                <value>C:\Windows\System32\cmd.exe</value>
  <value>/C</value>
  <value>dir c:\Alfresco\ocr.bat</value>
              </list>
            </entry>
          </map>
        </property>
        <property name="errorCodes">
          <value>1</value>
        </property>
      </bean>
    </property>
    <property name="transformCommand">
      <bean class="org.alfresco.util.exec.RuntimeExec" lazy-init="default" autowire="default" dependency-check="default">
        <property name="commandsAndArguments">
          <map>
            <entry key="Windows.*">
              <list>
                <value>C:\Windows\System32\cmd.exe</value>
    <value>/C</value>
    <value>C:\Alfresco\ocr.bat</value>
                <value>"${source}"</value>
                <value>"${target}"</value>
              </list>
            </entry>
          </map>
        </property>
        <property name="errorCodes">
          <value>1,2</value>
        </property>
      </bean>
    </property>
    <property name="explicitTransformations">
      <list>

        <bean class="org.alfresco.repo.content.transform.ExplictTransformationDetails" lazy-init="default" autowire="default" dependency-check="default">
          <property name="sourceMimetype">
            <value>image/jpeg</value>
          </property>
          <property name="targetMimetype">
            <value>text/plain</value>
          </property>
        </bean>


      </list>
    </property>
  </bean>
  <bean id="transformer.ocr.tiff" class="org.alfresco.repo.content.transform.ProxyContentTransformer" parent="baseContentTransformer" lazy-init="default" autowire="default" dependency-check="default">
    <property name="worker">
      <ref bean="transformer.worker.ocr.tiff" />
    </property>
  </bean>
</beans>

4)ocrtiff-transform-context.xml

<?xml version='1.0' encoding='UTF-8'?>
<!DOCTYPE beans PUBLIC '-//SPRING//DTD BEAN//EN' 'http://www.springframework.org/dtd/spring-beans.dtd'>
<beans default-lazy-init="false" default-autowire="no" default-dependency-check="none">
  <bean id="transformer.worker.ocr.tiff" class="org.alfresco.repo.content.transform.RuntimeExecutableContentTransformerWorker" lazy-init="default" autowire="default" dependency-check="default">
    <property name="mimetypeService">
      <ref bean="mimetypeService" />
    </property>
    <property name="checkCommand">
      <bean class="org.alfresco.util.exec.RuntimeExec" lazy-init="default" autowire="default" dependency-check="default">
        <property name="commandsAndArguments">
          <map>
            <entry key="Windows.*">
              <list>
                <value>C:\Windows\System32\cmd.exe</value>
  <value>/C</value>
  <value>dir c:\Alfresco\ocr.bat</value>
              </list>
            </entry>
          </map>
        </property>
        <property name="errorCodes">
          <value>1</value>
        </property>
      </bean>
    </property>
    <property name="transformCommand">
      <bean class="org.alfresco.util.exec.RuntimeExec" lazy-init="default" autowire="default" dependency-check="default">
        <property name="commandsAndArguments">
          <map>
            <entry key="Windows.*">
              <list>
                <value>C:\Windows\System32\cmd.exe</value>
  <value>/C</value>
  <value>C:\Alfresco\ocr.bat</value>
                <value>"${source}"</value>
                <value>"${target}"</value>
              </list>
            </entry>
          </map>
        </property>
        <property name="errorCodes">
          <value>1,2</value>
        </property>
      </bean>
    </property>
    <property name="explicitTransformations">
      <list>

        <bean class="org.alfresco.repo.content.transform.ExplictTransformationDetails" lazy-init="default" autowire="default" dependency-check="default">
          <property name="sourceMimetype">
            <value>image/tiff</value>
          </property>
          <property name="targetMimetype">
            <value>text/plain</value>
          </property>
        </bean>


      </list>
    </property>
  </bean>
  <bean id="transformer.ocr.tiff" class="org.alfresco.repo.content.transform.ProxyContentTransformer" parent="baseContentTransformer" lazy-init="default" autowire="default" dependency-check="default">
    <property name="worker">
      <ref bean="transformer.worker.ocr.tiff" />
    </property>
  </bean>

</beans>

这些都是我们可以写任何不的转换文件。基于要使用 Tesseract 进行 OCR 的文件的类型格式。

5)alfresco-tesseract-search.jar 从这个链接下载这个罐子（[https://docs.google.com/file/d/0B94FD2QmPSJCNHpuUVlicW95UjA/edit)][1] 并将这个 jar 放在这个路径“C:\Alfresco\tomcat\lib”中。 6)ocrtransform.log 在 "C:\TMP" 中使用 ocrtransform.log 创建一个空文件名

然后重启露天

然后上传一个图片格式的文件，图片的内容会在alfresco中被索引，这样我们就可以搜索文件的内容了。

【讨论】：