RTesseract 技术文档
2024-12-20 23:47:15作者:魏侃纯Zoe
1. 安装指南
1.1 安装 Tesseract OCR
在开始使用 RTesseract 之前,首先需要确保 Tesseract OCR 已经安装在你的系统中。你可以通过以下命令检查是否已安装:
$ tesseract --version
如果未安装,可以根据你的操作系统使用以下命令进行安装:
-
Ubuntu/Debian:
$ apt install tesseract-ocr
-
macOS:
$ brew install tesseract
-
Heroku: 如果你在 Heroku 上部署,可以使用以下 buildpack:
$ heroku buildpacks:add https://github.com/pathwaysmedical/heroku-buildpack-tesseract
1.2 安装 RTesseract
在你的 Ruby 项目中,可以通过以下步骤安装 RTesseract:
- 在
Gemfile
中添加以下行:
gem 'rtesseract'
- 然后执行以下命令来安装依赖:
$ bundle
或者,你也可以直接通过以下命令安装 RTesseract:
$ gem install rtesseract
2. 项目的使用说明
RTesseract 是一个用于与 Tesseract OCR 进行交互的 Ruby 库。它提供了简单易用的接口,可以将图像转换为文本、PDF 或 TSV 格式。
2.1 将图像转换为字符串
image = RTesseract.new("my_image.jpg")
text = image.to_s # 获取图像中的文本内容
2.2 将图像转换为可搜索的 PDF
image = RTesseract.new("my_image.jpg")
pdf = image.to_pdf # 获取生成的 PDF 文件
2.3 将图像转换为 TSV 格式
image = RTesseract.new("my_image.jpg")
tsv = image.to_tsv # 获取生成的 TSV 文件
3. 项目 API 使用文档
3.1 语言选项
RTesseract 支持多种语言的 OCR 识别。你可以通过 lang
参数指定语言:
image = RTesseract.new('test.jpg', lang: 'deu') # 使用德语进行 OCR
支持的语言包括:
eng
- 英语deu
- 德语fra
- 法语ita
- 意大利语nld
- 荷兰语por
- 葡萄牙语spa
- 西班牙语vie
- 越南语
3.2 其他选项
RTesseract 还支持其他配置选项,例如仅识别数字:
image = RTesseract.new('test.jpg', config_file: :digits) # 仅识别数字
或者使用自定义配置:
image = RTesseract.new('test.jpg', config_file: 'digits quiet')
3.3 获取单词及其位置
你可以通过 to_box
方法获取图像中每个单词及其在图像中的位置信息:
image = RTesseract.new('test_words.png')
words_with_positions = image.to_box
返回的结果是一个包含单词、置信度以及坐标信息的数组:
[
{ word: 'If', confidence: 89, x_start: 52, y_start: 13, x_end: 63, y_end: 27 },
{ word: 'you', confidence: 96, x_start: 69, y_start: 17, x_end: 100, y_end: 31 },
# ...
]
4. 项目安装方式
RTesseract 的安装方式已经在 安装指南 部分详细说明。你可以通过 Gemfile
或直接使用 gem install
命令来安装 RTesseract。
4.1 通过 Gemfile 安装
在 Gemfile
中添加:
gem 'rtesseract'
然后执行:
$ bundle
4.2 直接安装
你可以直接通过以下命令安装 RTesseract:
$ gem install rtesseract
通过以上步骤,你就可以成功安装并使用 RTesseract 进行 OCR 处理了。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8