tesseract OCR 中的标记字体样式（斜体）

【问题标题】：Markup font-style (italic) in tesseract OCRtesseract OCR 中的标记字体样式（斜体）
【发布时间】：2014-09-27 01:24:27
【问题描述】：

在 Windows 7 上安装了 tesseract-ocr v3.02.02，并已通过命令行使用它：

1) 将 png 文本输出到文本文件：tesseract image.png txtfile 2）将png文本输出到html文件：tesseract image.png htmlfile hocr

我需要它能够标记输出文本或 html 文件中的任何斜体文本。我该怎么做（最好在命令行上 - 从未在 API 模式下使用过）？

【问题讨论】：

【解决方案1】：

Tesseract 输出的hocr 仅包含单词坐标和置信度值，不包含与字体相关的信息。因此，您需要修改源代码以在命令行模式下输出您想要的内容，或者使用它的 API。

【讨论】：

谢谢你。如果您能突出显示我需要编辑的文件，并附上一些示例代码来输出斜体文本标记，我将不胜感激。或者，建议我如何通过其 API 实现这一点 - 不熟悉 Tesseract API。我熟悉 PHP/JavaScript，但对 C/C++ 了解不多。
您需要访问Tesseract site 和论坛以获取这些信息。阅读 API examples 以了解 ResultIterator 类的用法，并查看问题页面以查找与 hocr 相关的问题，以找到负责 hocr 输出的类/文件。