任何有处理 Nuance OmniPage SDK 的 XML 格式经验的人？答案

【问题标题】：Anyone with experience handling the XML format for Nuance's OmniPage SDK?任何有处理 Nuance OmniPage SDK 的 XML 格式经验的人？
【发布时间】：2011-07-29 01:06:32
【问题描述】：

我正在使用 Nuance OmniPage SDK 对图像和 PDF 执行 OCR，在我的一个案例中，我必须解析 OCR 在识别文件时生成的 XML 文件，但这些数字并没有真正意义。以下是 SDK 的示例输出：

<page ocr-vers="OmniPageCSDK16" app-vers="OfficeDrop">
    <description backColor="ffffff">
        <source
            file="C:\Users\workspace\jobs\src\test\resources\test-docs\0003.tiff"
            dpix="300" dpiy="300" sizex="2480" sizey="3509" />
        <theoreticalPage size="Custom" marginLeft="0"
            marginTop="0" marginRight="0" marginBottom="0" width="2480" height="3509" />
    </description>
    <zones>
        <textZone l="1814" t="1517" r="4694" b="1733" fillingMethod="omnifont"
            recognitionModule="omnifontPlus2w" chrFilter="all">
            <ln l="1814" t="1517" r="4690" b="1728" baseLine="1680"
                underlined="none" fontSize="1100">
                <wd l="1814" t="1517" r="2539" b="1728">Sample</wd>
                <space width="67" />
                <wd l="2606" t="1541" r="2995" b="1680">text</wd>
                <space width="72" />
                <wd l="3067" t="1570" r="3302" b="1680">on</wd>
                <space width="72" />
                <wd l="3374" t="1517" r="3734" b="1680">line</wd>
                <space width="91" />
                <wd l="3826" t="1522" r="3912" b="1680">1</wd>
                <space width="82" />
                <wd l="3994" t="1570" r="4459" b="1728">page</wd>
                <space width="91" />
                <wd l="4550" t="1522" r="4690" b="1680">1.</wd>
                <space />
            </ln>
        </textZone>
    </zones>
</page>

页面大小定义很容易计算出来，((2480 * 72) / 300) 将为我提供最终 PDF 页面的正确页面宽度（然后是高度），但其他值没有任何意义。

这个 1100 的字体大小是多少？而这些词坐标呢？他们怎么会有页面上不存在的坐标？

有没有人知道这种 XML 格式是什么或者可以指点我做文档？我已经搜索了 SDK 附带的所有手册，但我仍然找不到与这些值代表什么或它们使用的单位相关的任何内容（我确定它不是像素或点，我猜）。

感谢任何帮助。我正在使用 java 绑定来访问 OmniPage C SDK。

【问题讨论】：

标签： java c pdf ocr

【解决方案1】：

Omni Page 单词坐标通常以 Twips 形式输出，您需要进行相应的点或像素转换。例如，如果我想计算 200 dpi 图像的测量值，我需要这样做（值 * 200）/1440 像素。要交叉检查，只需在画笔中打开图像并查看每个单词的指针位置。

【讨论】：