正方体 hOCR iOS答案

【问题标题】：Tesseract hOCR iOS正方体 hOCR iOS
【发布时间】：2014-02-04 02:20:47
【问题描述】：

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。

 Tesseract* tesseract = [[Tesseract alloc] initWithLanguage:@"eng"];
tesseract.delegate = self;
[tesseract setVariableValue:@"0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ@.-():" forKey:@"tessedit_char_whitelist"];
[tesseract setVariableValue:@"0" forKey:@"tessedit_create_hocr"];

UIImage *image = [UIImage imageNamed:@"card.jpg"];

CGFloat newWidth = 1200;
CGSize newSize = CGSizeMake(newWidth, newWidth);
image = [image resizedImage:newSize interpolationQuality:kCGInterpolationHigh];


[tesseract setImage:image]; //image to check
[tesseract recognize];

 NSLog(@"Here is the text %@", [tesseract recognizedText]);

一切正常，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。感谢您对如何在 iOS 上使用 hOCR 的任何见解。

【问题讨论】：

标签： ios objective-c tesseract hocr

【解决方案1】：

如果您按照以下步骤操作，您将获得一个 NSString。

- (NSString *)getHOCRText {
        char *boxtext = _tesseract->GetHOCRText(0);
        return [NSString stringWithUTF8String:boxtext];
}

稍后您可以将此 NSString 转换为 NSData。

    NSData *xmlData = [xmlString dataUsingEncoding:NSASCIIStringEncoding];

这样你就可以使用 NSXMLParser 解析这些数据

        NSXMLParser *xmlParser = [[NSXMLParser alloc] initWithData:xmlData];

希望您知道剩余的解析过程。

【讨论】：

hOCR 是否返回 XML 字符串？还是 HTML？
它的 HTML，但是当你调用上面提到的 getHOCRText 方法时，你会得到一个 NSString，它可以转换为 NSData 并可以使用 NSXMLParser 解析。如果你 NSLog 那个 NSString 你可以看到它类似于 xml。所以你可以把它当作 xml 响应，并可以使用 NSXMLParser 解析它。
从 HTML 我需要卡片上的文本块，我可以通过解析从 HTML 中获取块吗？我是 Tesseract 和解析的新手。感谢您的回答。
如果是这样，我该怎么做？
看看这里codeproject.com/Articles/248883/…。这方面有很多教程。只需搜索即可。