问题标签 [hocr]

在Tesseract 常见问题解答中，他们说您可以：

如何获得每个角色的坐标和置信度？

有两种选择。如果您不想进入编程领域，可以使用 Tesseract 的 hocr 输出格式（详细信息请阅读 Tesseract 手册页）。

但是当我创建一个示例 hOCR 输出（它是一个 .html 文件）时，边界框和置信度仅在 word 级别可用。

我在这里错过了什么吗？

我添加了示例输入/输出作为插图（输入已调整大小）。

这是输入图像：

这是 Tesseract 的 hOCR 输出：

我已经从 tesseract 中提取了一个图像文档，并且它已成功提取。但我无法理解提取文档的坐标。

问题描述： -

它显示坐标，但让我知道这些坐标代表像素或其他东西。它们有四个，如title="bbox 10 13 43 46"，那么 10、13 43 和 46 是什么。它们代表什么位置

解压后完整代码

（我将在这里回答我自己的问题以获取一般知识）

在 Tesseract OCR 中，如何检测倒置的图像？
使用过 Tesseract 的人可能知道，也可能不知道 Tesseract可以读取倒置的图像。
然而，问题在于，如果您使用 hOCR 输出，您不知道它是颠倒的，因为文档中没有提到它。

那么如何检测呢？

我正在学习如何使用 Tesseract API，我对 hOCR 输出函数很感兴趣。目前我正在使用此代码扫描图像。

一切都编译得很好，但我想知道如何存储 hOCR 函数返回的 .html 。我可以将它存储在变量中吗？生成该文件后，我需要能够在我的程序中访问该文件。任何有关如何在 iOS 上使用 hOCR 的见解都值得赞赏。

我试图让 Tesseract 输出一个带有标签边界框的文件，这些边界框是由页面分割（预 OCR）产生的。我知道它必须能够“开箱即用”地做到这一点，因为在 ICDAR 比赛中展示了参赛者必须分割的结果和各种文件（此处为学术论文）。这是该论文中的一个示例，说明了我想要创建的内容：

我已经使用 brew 构建了最新版本的 tesseract brew install tesseract --HEAD，并且一直在尝试编辑位于/usr/local/Cellar/tesseract/HEAD/share/tessdata/configs/输出标记框的配置文件。使用hocr作为配置接收的输出，即

为所有内容提供一个边界框，并在标签中有一些标签，class例如

但我无法想象这一点。是否有可视化 hOCR 文件的标准工具，或者是否可以使用 Tesseract 中内置的边界框创建输出文件？

当前头部版本详情：

编辑

我真的很想使用命令行工具来实现这一点（如上例所示）。@nguyenq 已将我指向API 参考，不幸的是我没有 C++ 经验。如果唯一的解决方案是使用 API，请您提供一个快速的 Python 示例吗？

我正在寻找一种在 python 中实现的工具或想法，它将 hOCR 文件（由应用程序中的 tesseract 生成）转换为 html 表。这个想法是利用 hOCR 文件中的文本位置信息（在 bbox 属性中提供）来创建一个基于提供的位置的表。我提供了一个例子来解释上述想法：

我使用 SlideShare.net 中的这张图片作为我使用 tesseract 的应用程序的输入，我得到了下面的 hOCR/xml 文件作为输出。

hOCR 文件：

我需要的是根据下一个位置将 hOCR 文件转换为 html 表。预期的表应类似于此表。

表格单元格的大小和位置反映了 hOCR 文件中提供的信息。

图片来源：slideshare.net

我使用 pytesseract 得到了非常好的结果，但它不能保留双空格，它们对我来说真的很重要。而且，所以我决定检索 hocr 输出而不是纯文本。但是；似乎没有任何方法可以使用 pytessearct 指定配置文件。

那么，是否可以使用 pytesseract 指定配置文件，或者是否有一些默认配置文件可以更改以获取 hocr 输出？

我对ocr没有太多经验。这是我尝试的方法：

1. tesseract -l eng -psm 1 image_str007_0001.jpg image_str007_tess pdf

   结果是结构完美的隐藏文本布局 - 搜索 pdf 时，单词在它们的确切位置。我的问题是：我可以将此布局作为文件（hocr 或 html）吗？（首选配置参数，而不是 API。）

   我试过的：

2. tesseract -l eng -psm 1 image_str007_0001.jpg 输出 hocr

和

3. hocr2pdf -i image_str007_001 -o output.pdf < output.hocr

   在文件 output.pdf 中，在搜索文本时，这些单词的排列非常错误。命令 2. 是否不适合创建 tesseract hocr 布局文件，或者 hocr2pdf 应用程序无法正确创建 pdf？

如何将hOCR转换为 HTML 进行可视化？

如果您打开原始 hOCR 文件，它仅呈现为纯文本（元素未定位）

我如何在这里使用 tesseract 包装器生成 hocr

目前我需要将 tessdata 的位置动态添加到环境变量中并运行我的代码

然后我找到了 tesseract 包装器。如何使用包装器生成 hocr 文件？我找不到如何做的例子。

这是我正在使用的当前代码（来自示例），但如何输出 hocr 文件？