在android中导出tesseract OCR的HOCR输出

Question

我尝试使用tess-two，它是 Android 版 Tesseract Tools 的一个分支。我想打开hocrtesseract 中的输出，从这个链接，我尝试将变量设置tessedit_create_hocr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输出应该位于配置文件夹或包含图像的文件夹中，但我没有看到任何内容。我不知道如何配置 hocr 输出的文件名和位置。

另一件事：有没有办法将配置文件应用到 Android 版 Tesseract Tools 中？我将配置文件放入tessdata/config 文件夹中，但没有任何反应。如何判断tesseract应该读取这些配置文件？看来他们没有足够的 Android 文档。

更新：感谢@nguyenq，现在我可以获取HOCR数据了。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，TessBaseAPI因为它不包括对本机GetHOCRText方法的支持。您可能必须自己扩展包装器才能访问您需要的功能。

配置文件用于命令行执行。或者，您可以通过公开的 API 方法设置必要的变量setVariable。