android - 在 android 中为 tesseract OCR 导出 HOCR 输出

Question

我尝试使用 tess-two ，Tesseract Tools for Android 的一个分支。我想在 tesseract 中打开 hocr 输出，来自 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，但我没有看到任何东西。任何我不知道如何配置 hocr 输出的文件名和位置。

另一件事:有什么方法可以将配置文件应用到 Android 的 Tesseract 工具中吗？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 应该读取这些配置文件？似乎他们没有足够的 android 文档。

更新:感谢@nguyenq，现在我可以获得HOCR数据。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;
 }

Answer 1

显然，tess-two 没有实现所有的 TessBaseAPI，因为它不包括对原生 GetHOCRText 方法的支持。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。