html - tesseract OCR 中的标记字体样式（斜体）

Question

在 Windows 7 上安装 tesseract-ocr v3.02.02，并通过命令行使用它：

1) 将 png 文本输出到文本文件：tesseract image.png txtfile 2) 将 png 文本输出到 html 文件：tesseract image.png htmlfile hocr

我需要它能够标记输出文本或 html 文件中的任何斜体文本。我该怎么做（最好在命令行上——从未在 API 模式下使用过）？

Answer 1

Tesseract的hocr输出仅包括单词坐标和置信度值，不包括字体相关信息。因此，您需要修改源代码以在命令行模式下输出您想要的内容，或者使用它的 API。