在android中输出用于tesseract OCR的HOCR输出

Question

我试着使用苔丝-2，这是一种用于Android的Tesseract工具的分支。我想在tesseract中打开hocr输出，在这个链接中，我尝试将变量tessedit_create_hocr设置为true，但在输出中看不到hocr。以下是我的尝试：

  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输出应该在config文件夹或包含图像的文件夹中，但是我没有看到任何东西。我不知道如何配置hocr输出的文件名和位置。

另一件事:有没有方法将配置文件应用到Android的Tesseract工具中？我将配置文件放入tessdata/config文件夹中，但没有发生任何事情。如何告诉tesseract应该读取这些配置文件？似乎他们没有足够的文件供android使用。

Update：多亏了@nguyenq，现在我可以获得HOCR数据了。以下是我的尝试：

  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没有实现所有的TessBaseAPI，因为它不包括对本机GetHOCRText方法的支持。您可能需要自己扩展包装器来访问所需的函数。

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