Tesseract hOCR iOS

Question

我正在学习如何使用Tesseract API，我对hOCR输出函数感兴趣。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]);

一切都很好，但是我想知道如何存储由.html函数返回的hOCR。我能把它存储在变量中吗？我需要能够访问这个文件在我的程序后，它已经产生。任何关于如何在hOCR上使用iOS的见解都将不胜感激。

Answer 1

如果按以下方式进行，您将得到一个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];

以便您可以使用NSXMLParser解析此数据。

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

希望您了解剩余的解析过程。