从axios流响应中识别tesseract.js

Question

我的问题是，是否可以从axios响应流中识别tesseract.js

const axios = require('axios');
const { TesseractWorker } = require('tesseract.js');
const worker = new TesseractWorker();

axios({
  method: 'get',
  url: 'https://lh3.googleusercontent.com/iXmJ9aWblkGDpg-_jpcqaY10KmA8HthjZ7F15U7mJ9PQK6vZEStMlathz1FfQQWV5XeeF-A1tZ0UpDjx3q6vEm2BWZn5k1btVSuBk9ad=s660',
  responseType: 'stream'
})
  .then(function (response) {
    //this doesn't work
    worker.recognize(response.data).then(result => {
      console.log(result);
    });
  });

我看到了一些https://ourcodeworld.com/articles/read/580/how-to-convert-images-to-text-with-pure-javascript-using-tesseract-js和https://ourcodeworld.com/articles/read/348/getting-started-with-optical-character-recognition-ocr-with-tesseract-in-node-js的例子。

但是我不能从这个例子中找出。

经过调试，我发现这不是tesseract.js的问题，因为它正在调用本机node.js fs readFile函数https://github.com/naptha/tesseract.js/blob/master/src/node/index.js#L37

所以现在readFile面临的问题是如何从axios响应中readFile。这也是不可能的。As readFile只接受路径，不接受数据。因此将会给tesseract.js造成一个问题，以便在识别readFile时可以绕过它。

Answer 1

我从未使用过这个库，但从给定的示例和对源代码的快速检查来看，worker.recognize似乎不接受流作为参数，相反，它需要一个图像url或实际的图像，并且它在内部处理网络调用(如果需要)。

https://github.com/naptha/tesseract.js/blob/master/src/common/TesseractWorker.js#L74

const { TesseractWorker } = require( 'tesseract.js' );
const worker = new TesseractWorker();


worker.recognize('https://lh3.googleusercontent.com/iXmJ9aWblkGDpg-_jpcqaY10KmA8HthjZ7F15U7mJ9PQK6vZEStMlathz1FfQQWV5XeeF-A1tZ0UpDjx3q6vEm2BWZn5k1btVSuBk9ad=s660')
.then(console.log)
.catch(console.error)

Answer 2

在axios中，如果是Node.js，可以将responseType更改为arraybuffer，如果是浏览器，则可以将其更改为blob。并将结果传递给Tesseract.recognize

例如,

const img = await axios({
  method: 'get',
  url: 'your img url',
  responseType: 'arraybuffer' //for me it's node.js
});
const imgeDataAsString = await Tesseract.recognize(
  img.data,
  'eng',
  { logger: m => console.log(m) }
).then(({ data: { text } }) => text);

您可以参考axios文档here