Tess4j tesseract - 你如何区分表中的列或行？

Question

我正在使用 Java 中的 tess4j tesseract。它运作良好，它允许我做我需要做的事情。

但是我遇到了一个没有指导或帮助就无法解决的问题。

让我们说，我有以下图像：

这会为我提供以下输出：

第一栏第二栏第三栏

第 1 行第 1 行第 3 列

第 2 行第 1 行第 2 行第 2 行第 2 列第 3 列

这是我的代码

    String readFile(String inputFilePath){
    Tesseract tesseract = new Tesseract();
    tesseract.setDatapath(path);
    tesseract.setLanguage("eng");
    tesseract.setTessVariable("user_defined_dpi", "300");

    String string = null;
    try {
        string = tesseract.doOCR(new File(inputFilePath));
    } catch (TesseractException e) {
        e.printStackTrace();
    }
    return string;
}

有没有一种方法可以让我获得模仿图像中的内容的结果？所以我可以区分这些列。

Answer 1

您可以保留空格，然后计算它们：

tesseract.setTessVariable("preserve_interword_spaces", "1");